초록
이 논문은 AMR 구문 분석의 성능 저하 문제를 해결하기 위해 AMR 파서의 두 가지 핵심 구성 요소인 개념 식별과 일치(align) 개선을 제안한다. 먼저, 더 풍부한 문맥 정보를 반영하여 희소한 AMR 개념 레이블을 효과적으로 학습할 수 있는 양방향 LSTM 기반의 개념 식별기를 구축한다. 이후, HMM 기반의 단어-개념 일치 모델에 그래프 거리 왜곡(graph distance distortion)과 디코딩 중 재평가(rescoring) 기법을 도입하여 AMR 그래프 내 구조적 정보를 보다 효과적으로 반영한다. 제안하는 두 구성 요소를 기존 AMR 파서에 통합함으로써, 다양한 데이터셋에서 기존 최고 성능 기법 대비 일관되게 향상된 성능을 달성함을 보여준다.