意味グラフ解析における再帰型ニューラルネットワークDAG文法の利用

意味解析は有向非循環グラフ（DAGs）であるため、意味解析はグラフ予測としてモデル化されるべきです。しかし、グラフの予測には難しい技術的な課題が伴うため、意味解析データセットに見られる線形化されたグラフを、よく理解されているシーケンスモデルを使用して予測することがより単純で一般的です。この単純さの代償として、予測された文字列が適切なグラフではない可能性があります。本稿では、リカレントニューラルネットワークDAG文法（Recurrent Neural Network DAG Grammars）を提案します。これは、グラフ認識機能を持つシーケンスモデルであり、適切なグラフのみを保証しながら、多くのグラフ予測の困難を回避します。我々は多言語意味グラフバンクである並列意味バンク（Parallel Meaning Bank）で当該モデルを検証しました。本アプローチは英語において競合する結果を示し、ドイツ語、イタリア語およびオランダ語における最初の結果を確立しています。