PIZZA：面向复杂端到端任务型解析的新基准
计算与语言
2022-12-02 v1 机器学习
摘要
近期许多任务型解析工作聚焦于在扁平槽位与意图（易于标注但表达力不足）与lambda演算等强大表示（表达力强但标注成本高）之间寻找折中。本文通过引入一个用于解析披萨与饮品订单的新数据集，持续推进任务型解析的探索，该订单的语义无法由扁平槽位与意图刻画。我们在此数据集上对任务型解析的深度学习技术进行了广泛评估，包括不同变体的seq2seq系统与RNNG。该数据集有两个主要版本：一个采用我们称之为TOP的近期提出的话语级层次化表示法，另一个以可执行表示（EXR）作为目标。我们通过实验证明，直接训练解析器生成EXR表示法，不仅能一举解决实体消歧问题、克服TOP表示法的若干表达局限，还能显著提升解析准确率。
引用
@article{arxiv.2212.00265,
title = {PIZZA: A new benchmark for complex end-to-end task-oriented parsing},
author = {Konstantine Arkoudas and Nicolas Guenon des Mesnards and Melanie Rubino and Sandesh Swamy and Saarthak Khanna and Weiqi Sun and Khan Haidar},
journal= {arXiv preprint arXiv:2212.00265},
year = {2022}
}
备注
Accepted for publication at AMLC 2022