의미 그래프 파싱을 위한 순환 신경망 DAG 문법

의미 해석은 방향성 비순환 그래프(DAGs)로 표현되므로, 의미 해석을 그래프 예측으로 모델링해야 합니다. 그러나 그래프를 예측하는 것은 기술적으로 어려움을 초래하므로, 의미 해석 데이터셋에서 발견되는 선형화된 그래프를 잘 이해된 시퀀스 모델을 사용하여 예측하는 것이 더 간단하고 일반적입니다. 이러한 단순함의 대가는 예측된 문자열이 올바른 형태의 그래프가 아닐 수 있다는 것입니다. 우리는 이 문제를 해결하면서 그래프 예측의 많은 어려움을 피할 수 있는 그래프 인식 시퀀스 모델인 반복 신경망 DAG 문법을 제시합니다. 우리의 모델은 다국어 의미 그래프 뱅크인 병렬 의미 뱅크(Parallel Meaning Bank)에서 테스트되었습니다. 이 접근 방식은 영어에서 경쟁력 있는 결과를 보여주었으며, 독일어, 이탈리아어 및 네덜란드어에 대한 첫 번째 결과를 설정하였습니다.