自己学習を用いたAMR解析の限界に挑戦する

抽象意味表現（Abstract Meaning Representation: AMR）の構文解析は、過去2年間で転移学習の影響およびAMRに特化した新規アーキテクチャの開発により、顕著な性能向上を遂げている。一方で、自己学習（self-learning）技術は、機械翻訳や質問応答といった他の自然言語処理タスクの性能限界を押し広げる上で効果を発揮している。本論文では、訓練済みモデルを活用してAMR構文解析の性能を向上させるさまざまな手法を検討する。具体的には、合成テキストおよび合成AMR注釈の生成、およびアクションオラクル（action oracle）の精緻化を含む。これらの手法により、追加の手動アノテーションを一切用いずに、すでに高い性能を示すパーサーの性能をさらに向上させ、AMR 1.0およびAMR 2.0の両方で最先端の結果を達成できることを示した。