Neural AMR: シーケンス・ツー・シーケンスモデルによる解析と生成

シーケンス・ツー・シーケンスモデルは、幅広い応用分野で優れた性能を示しています。しかし、抽象意味表現（Abstract Meaning Representation: AMR）を使用したテキストの解析と生成への適用は、比較的少ないラベル付きデータとAMRグラフの非シーケンシャルな性質により制限されてきました。本研究では、数百万の未ラベル文とAMRグラフの慎重な前処理を用いてこの制限を克服する新しい学習手順を提案します。AMR解析において、当モデルは外部の意味資源を大幅に使用せずに競合他社と同等の62.1 SMATCHスコアを達成しました。また、AMR生成においてはBLEU 33.8という新たな最先端の性能を確立しました。本研究では、包括的な削減分析や定性的分析を行い、シーケンスベースのAMRモデルがグラフからシーケンスへの変換における順序変動に対して堅牢であるという強い証拠も提示しています。