초록
의미 표현은 기계 번역 방법의 의미 보존을 강화하고 일반화 성능을 향상시키는 데 잠재적으로 유용하다는 주장이 오랫동안 제기되어 왔습니다. 본 연구에서는 소스 문장의 술어-논항 구조(즉, 의미 역할 표현)를 신경망 기계 번역에 처음으로 통합하였습니다. 우리는 그래프 합성곱 네트워크(GCNs)를 사용하여 문장 인코더에 의미 편향을 주입함으로써 언어학적 무지 버전과 구문 인식 버전보다 영어-독일어 언어 쌍에서 BLEU 점수가 개선되었습니다.
의미 표현은 기계 번역 방법의 의미 보존을 강화하고 일반화 성능을 향상시키는 데 잠재적으로 유용하다는 주장이 오랫동안 제기되어 왔습니다. 본 연구에서는 소스 문장의 술어-논항 구조(즉, 의미 역할 표현)를 신경망 기계 번역에 처음으로 통합하였습니다. 우리는 그래프 합성곱 네트워크(GCNs)를 사용하여 문장 인코더에 의미 편향을 주입함으로써 언어학적 무지 버전과 구문 인식 버전보다 영어-독일어 언어 쌍에서 BLEU 점수가 개선되었습니다.