摘要
我们提出了一种全新的文本解析为抽象语义表示（Abstract Meaning Representation, AMR）的方法——基于图跨度的解析（Graph Spanning based Parsing, GSP）。GSP 的一个显著特点在于，其采用自顶向下的方式逐步构建解析图。从根节点出发，在每一步中，模型联合预测一个新节点及其与已有节点之间的连接关系。输出的解析图通过节点与根节点之间的距离进行组织，遵循“先把握核心语义，再深入细节”的直觉。该方法体现了“核心语义优先”（core semantic first）的原则，强调首先捕捉句子的核心语义信息，这一特性具有重要意义。我们在最新的 AMR 语义库（sembank）上对模型进行了评估，取得了当前最优的性能表现，且无需依赖任何启发式图结构重分类策略。更重要的是，实验结果表明，我们的解析器在提取核心语义方面表现出色，显著优于现有方法。