HUJI-KU am MRP~2020: Zwei transitionsbasierte neuronale Parser

Diese Arbeit beschreibt die Submission des HUJI-KU-Systems zum gemeinsamen Wettbewerb über die Bedeutungsrepräsentationsanalyse (Cross-Framework Meaning Representation Parsing, MRP) auf der Konferenz für computergestützte Sprachlernung (CoNLL) 2020. Das System basiert auf TUPA und dem HIT-SCIR-Parser, die jeweils als Baseline-System und Gewinner-System des MRP-Wettbewerbs 2019 fungierten. Beide Parser sind transitionsbasiert und nutzen BERT-Contextualized-Embeddings. Wir haben TUPA verallgemeinert, um die neu hinzugefügten MRP-Frameworks und Sprachen zu unterstützen, und experimentierten mit Multitask-Learning im Zusammenhang mit dem HIT-SCIR-Parser. Mit dieser Vorgehensweise erreichten wir den vierten Platz in beiden Tracks – sowohl im cross-framework- als auch im cross-lingualen Bereich.