On graph-based reentrancy-free semantic parsing

要約

文献で観察された 2 つの問題を解決する意味解析のための新しいグラフベースのアプローチを提案します。
(2) 句構造パーサーを使用した以前の研究では、ツリーバンクで観察されたすべての意味解析をカバーすることはできません。
MAP 推論と潜在タグ アンカリング (弱教師あり学習に必要) の両方が NP 困難な問題であることを証明します。
これらの推論問題を近似的に解決するために、制約平滑化と条件付き勾配に基づく 2 つの最適化アルゴリズムを提案します。
実験的に、私たちのアプローチは、Geoquery、Scan、および Clevr で最先端の結果をもたらします。
分割と、構成の一般化をテストする分割の場合。

要約(オリジナル)

We propose a novel graph-based approach for semantic parsing that resolves two problems observed in the literature: (1) seq2seq models fail on compositional generalization tasks; (2) previous work using phrase structure parsers cannot cover all the semantic parses observed in treebanks. We prove that both MAP inference and latent tag anchoring (required for weakly-supervised learning) are NP-hard problems. We propose two optimization algorithms based on constraint smoothing and conditional gradient to approximately solve these inference problems. Experimentally, our approach delivers state-of-the-art results on Geoquery, Scan and Clevr, both for i.i.d. splits and for splits that test for compositional generalization.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google