要約
本稿では、AMR解析の性能ボトルネックを克服するため、AMRパーサーの2つの主要な構成要素である概念同定とアライメントの改善に取り組む。まず、双方向LSTMを用いた概念同定器を構築し、より豊かな文脈情報を活用することで、疎なAMR概念ラベルを効果的に学習できるようにする。次に、HMMに基づく単語から概念へのアライメントモデルを拡張し、AMRグラフの構造情報を反映するため、グラフ距離歪み（graph distance distortion）を導入するとともに、デコード段階での再スコアリング手法を適用する。実験の結果、これらの2つの要素を既存のAMRパーサーに統合することで、さまざまなデータセットにおいて、最先端の手法を上回る一貫した性能向上が得られることを示した。