用于AMR到文本生成的图到序列模型

AMR到文本生成的问题在于从输入的AMR图中恢复出具有相同意义的文本。目前最先进的方法是使用序列到序列模型，通过LSTM对线性化的AMR结构进行编码。尽管能够建模非局部语义信息，但序列LSTM可能会丢失来自AMR图结构的信息，因此在处理大型图时面临挑战，这些图会导致较长的序列。我们提出了一种神经图到序列模型，采用一种新颖的LSTM结构直接对图级别的语义进行编码。在标准基准测试中，我们的模型显示出比现有文献中的方法更优的结果。