Rematch : Correspondance robuste et efficace de graphes de connaissances locaux pour améliorer la similarité structurelle et sémantique

Les graphes de connaissances jouent un rôle fondamental dans diverses applications, telles que la réponse aux questions et la vérification de faits. La Représentation Abstraite du Sens (AMR) exprime le texte sous forme de graphes de connaissances. L’évaluation de la qualité de ces graphes repose sur une correspondance à la fois structurale entre eux et sémantique par rapport au texte source. Les métriques AMR existantes sont peu efficaces et peinent à capturer la similarité sémantique. En outre, nous manquons d’une référence d’évaluation systématique pour mesurer la similarité structurelle entre les graphes AMR. Pour surmonter ces limites, nous proposons une nouvelle métrique de similarité AMR, appelée rematch, ainsi qu’une nouvelle évaluation de la similarité structurelle, baptisée RARE. Parmi les métriques de pointe, rematch se classe deuxième en similarité structurelle ; elle obtient quant à elle la première place en similarité sémantique, avec une amélioration de 1 à 5 points de pourcentage sur les benchmarks STS-B et SICK-R. De plus, rematch est cinq fois plus rapide que la métrique la plus efficace parmi celles existantes.