초록
AMR-to-텍스트 생성 문제는 입력된 AMR 그래프와 동일한 의미를 나타내는 텍스트를 복원하는 것입니다. 현재 최신 방법은 선형화된 AMR 구조를 인코딩하기 위해 LSTM을 활용하는 시퀀스-투-시퀀스 모델을 사용합니다. 비록 비국소적 의미 정보를 모델링할 수 있지만, 시퀀스 LSTM은 AMR 그래프 구조에서 정보를 잃어버릴 수 있으며, 이로 인해 큰 그래프에서는 긴 시퀀스가 발생하여 도전과제에 직면하게 됩니다. 우리는 그래프 수준의 의미를 직접 인코딩하기 위한 새로운 LSTM 구조를 사용하는 신경망 그래프-투-시퀀스 모델을 제안합니다. 표준 벤치마크에서 우리의 모델은 문헌에 있는 기존 방법들보다 우수한 결과를 보여주었습니다.