HIT-SCIR am MRP 2019: Ein einheitlicher Pipeline-Ansatz für die Bedeutungsrepräsentations-Parsing durch effizientes Training und effektive Kodierung

Diese Arbeit beschreibt unser System (HIT-SCIR) für die gemeinsame Aufgabe der CoNLL 2019: Cross-Framework Meaning Representation Parsing. Wir haben den grundlegenden transitionsbasierten Parser durch zwei Verbesserungen erweitert: a) Effizientes Training durch die Realisierung des parallelen Trainings von Stack LSTM; b) Effektive Kodierung mittels der Verwendung tief kontextualisierter Wortrepräsentationen, wie BERT. Im Allgemeinen schlagen wir eine einheitliche Pipeline für die Bedeutungsrepräsentations-Parsing vor, die framework-spezifische transitionsbasierte Parser, BERT-verstärkte Wortrepräsentationen sowie Nachbearbeitung umfasst. In der abschließenden Bewertung erreichte unser System die erste Platzierung hinsichtlich ALL-F1 (86,2 %) und insbesondere die erste Platzierung im UCCA-Framework (81,67 %).