基于异质注意力的列维图 AMR 解析器
计算与语言
2021-07-12 v1 人工智能
摘要
结合双仿射解码器，transformers 已有效适配于文本到图的转导，并在 AMR 解析上取得了最先进的性能。然而，许多先前的工作依赖双仿射解码器进行弧与/或标签预测，尽管解码器使用的大多数特征可能已由 transformer 学到。本文提出一种新颖的 AMR 解析方法：将异质数据（词符、概念、标签）作为 transformer 的单一输入以学习注意力，并仅使用 transformer 的注意力矩阵来预测 AMR 图中的所有元素（概念、弧、标签）。尽管我们的模型使用的参数量显著少于先前最先进的图解析器，它们在 AMR 2.0 和 3.0 上展现出相似或更好的准确率。
引用
@article{arxiv.2107.04152,
title = {Levi Graph AMR Parser using Heterogeneous Attention},
author = {Han He and Jinho D. Choi},
journal= {arXiv preprint arXiv:2107.04152},
year = {2021}
}
备注
Accepted in IWPT 2021: The 17th International Conference on Parsing Technologies