초록
우리는 문자 수준과 문맥 언어 모델 표현을 결합하여 디스크OURSE 표현 구조(Discourse Representation Structure) 파싱의 성능을 향상시키기 위해 노력하고 있습니다. 문자 표현은 시퀀스-투-시퀀스(sequence-to-sequence) 모델에서 단일 인코더 또는 완전히 별도의 인코더로 쉽게 추가될 수 있으며, 다양한 언어 모델, 언어 및 데이터 세트에 대해 견고한 개선 효과를 보입니다. 영어의 경우, 이러한 개선 효과는 개별적인 언어 정보 출처나 비문맥적 임베딩(non-contextual embeddings)을 추가하는 것보다 더 큽니다. 의미 태그(semantic tags)를 기반으로 하는 새로운 분석 방법은 문자 수준 표현이 선택된 의미 현상의 하위 집합에 걸쳐 성능을 향상시키는 것을 입증합니다.