تعلم التمثيلات السياقية للتحليل الدلالي باستخدام التدريب المُعزز بالتحليل التوليدي

في الآونة الأخيرة، شهدت الاهتمام الكبير بتعلم تمثيلات سياقية لمهام معالجة اللغة الطبيعية المختلفة، من خلال الاستفادة من مجموعات نصية ضخمة لتدريب نماذج لغوية عصبية كبيرة باستخدام أهداف تعلم ذاتي، مثل نموذج اللغة المُقنّع (MLM). ومع ذلك، استنادًا إلى دراسة أولية، لاحظنا ثلاث مشكلات في النماذج اللغوية العامة الحالية عند تطبيقها على مُحلّلات المعنى النصية إلى SQL: فشل في كشف الإشارات إلى الأعمدة في العبارات، وفشل في استنتاج الإشارات إلى الأعمدة من قيم الخلايا، وفشل في تكوين استعلامات SQL معقدة. لمعالجة هذه المشكلات، نقدّم إطارًا لتدريب النموذج يُسمى "التدريب المُعزّز بالتوليد" (GAP)، الذي يتعلّم تمثيلات للعبارات النصية والهياكل الجدولية بشكل مشترك، وذلك من خلال الاستفادة من نماذج التوليد لتوليد بيانات التدريب. تم تدريب نموذج GAP على 2 مليون زوج من العبارات والهياكل، و30 ألف مثلث من العبارات والهياكل والاستعلامات SQL، حيث تم إنتاج العبارات بواسطة نماذج توليدية. وبناءً على نتائج التجارب، تحقق مُحلّلات المعنى العصبية التي تستخدم نموذج GAP كمُشغّل تمثيلي نتائج جديدة قياسية على كلا المعيارين SPIDER وCRITERIA-TO-SQL.