Neural AMR: 시퀀스-투-시퀀스 모델을 이용한 파싱 및 생성

시퀀스-투-시퀀스 모델은 다양한 응용 분야에서 뛰어난 성능을 보여주고 있습니다. 그러나 추상 의미 표현(AMR, Abstract Meaning Representation)을 사용한 텍스트 파싱과 생성에 대한 적용은 라벨링된 데이터의 상대적으로 제한된 양과 AMR 그래프의 비시퀀스적 특성 때문에 제한적이었습니다. 본 연구에서는 수백만 개의 비라벨 문장과 AMR 그래프의 세심한 전처리를 사용하여 이러한 제한을 극복할 수 있는 새로운 학습 절차를 제안합니다. AMR 파싱에 있어서 우리의 모델은 외부 의미 자원을 크게 활용하지 않은 상태에서 현재 최고로 보고된 62.1 SMATCH 점수를 달성하였습니다. 또한 AMR 생성에 있어서는 BLEU 33.8라는 새로운 최고 성능을 기록하였습니다. 우리는 시퀀스 기반 AMR 모델이 그래프-시퀀스 변환의 순서 변화에 대해 견고함을 입증하는 강력한 증거를 포함하여 광범위한 점진적 및 정성적 분석 결과를 제시합니다.