ドメイン間依存性のある意味解析のための動的ハイブリッド関係ネットワーク

意味解析（Semantic parsing）は、自然言語処理分野において長年にわたり根本的な課題として扱われてきた。近年、ドメイン間で文脈に依存する意味解析が、新たな研究の焦点となっている。この問題の中心的な課題は、対話履歴における自然言語発話とデータベーススキーマの両方の文脈情報を効果的に活用することにある。本論文では、会話が進行するに従い、文脈的発話、トークン、データベーススキーマ、およびそれらの複雑な相互作用を効果的にモデル化できる動的グラフフレームワークを提案する。このフレームワークは、誘導的バイアス（inductive bias）を組み込んだ動的メモリ減衰機構を採用しており、豊かに表現された文脈的関係情報を統合する。さらに、強力な再ランク付けモデルによりその性能が向上している。執筆時点において、提案フレームワークが既存のすべてのモデルを大きく上回り、大規模なベンチマークであるSParCおよびCoSQLデータセットにおいて、新たな最良性能（state-of-the-art）を達成した。具体的には、SParCでは質問一致（question-match）精度55.8%、インタラクション一致（interaction-match）精度30.8%を達成し、CoSQLでは質問一致精度46.8%、インタラクション一致精度17.0%を記録した。