牛津大学在SemEval-2017任务9中的工作：基于指针增强注意力的神经AMR解析

我们提出了一种基于神经编码器-解码器的AMR解析器，该模型通过引入指针机制，显式预测图节点与句子词元之间的对齐关系，从而扩展了基于注意力机制的模型。在预处理阶段，候选词干（lemma）被预先预测，使得词汇概念的词干以及常量字符串从图的线性化表示中分离出来，并通过预测的对齐关系进行恢复。该方法不依赖句法分析结果，也无需依赖大量外部资源。在SemEval测试集上，该解析器取得了59%的Smatch得分。