초록
우리는 AMR 파싱을 시퀀스-그래프 변환(sequence-to-graph transduction)으로 취급하는 주의력 기반 모델(attention-based model)을 제안합니다. 대부분의 AMR 파서가 사전 학습된 정렬기(pre-trained aligners), 외부 의미 자원(external semantic resources), 또는 데이터 증강(data augmentation)에 의존하는 것과 달리, 제안된 파서는 정렬기를 사용하지 않으며, 라벨링된 AMR 데이터가 제한적일 때도 효과적으로 훈련될 수 있습니다. 우리의 실험 결과는 AMR 2.0(LDC2017T10에서 76.3% F1 점수)와 AMR 1.0(LDC2014T12에서 70.2% F1 점수) 모두에서 이전에 보고된 모든 SMATCH 점수를 상회합니다.