用于基于 RNN 语义解析的符号先验
计算与语言
2018-09-21 v1
摘要
基于循环神经网络（RNN）的 Seq2seq 模型近期在面向问答的语义解析领域受到大量关注。虽然原则上它们可以直接在（自然语言话语，逻辑形式）对上训练，但其性能受限于可用数据量。为缓解该问题，我们提出利用多种先验知识来源：逻辑形式的良构性由加权上下文无关文法建模；输入话语中某些实体也出现在逻辑形式中的似然由加权有限状态自动机建模。该文法与自动机通过高效的交运算算法结合，形成对 RNN 的软引导（“背景”）。我们在一个扩展的 Overnight 数据集上测试了该方法，结果表明它不仅大幅优于 RNN 基线，也优于基于丰富手工特征集的非 RNN 模型。
引用
@article{arxiv.1809.07721,
title = {Symbolic Priors for RNN-based Semantic Parsing},
author = {Chunyang Xiao and Marc Dymetman and Claire Gardent},
journal= {arXiv preprint arXiv:1809.07721},
year = {2018}
}