Holistic Exploration on Universal Decompositional Semantic Parsing: Architecture, Data Augmentation, and LLM Paradigm

要約

このペーパーでは、Universal Decompositional Semantic (UDS) 解析の全体的な調査を行います。
まず、複雑な解析タスクを意味的に適切なサブタスクに分解する UDS 解析のカスケード モデルを導入します。
私たちのアプローチは、推論時間を大幅に短縮しながら、以前のモデルよりも優れたパフォーマンスを発揮します。
また、構文情報も組み込み、アーキテクチャをさらに最適化しました。
さらに、UDS 解析をさらに改善する、データ拡張のさまざまな方法が検討されています。
最後に、UDS タスクの処理における ChatGPT の有効性を調査するための実験を行い、ChatGPT が属性解析には優れているものの、関係解析には苦労していること、およびデータ拡張に ChatGPT を使用すると次善の結果が得られることを明らかにしました。
私たちのコードは https://github.com/hexuandeng/HExp4UDS で入手できます。

要約(オリジナル)

In this paper, we conduct a holistic exploration of the Universal Decompositional Semantic (UDS) Parsing. We first introduce a cascade model for UDS parsing that decomposes the complex parsing task into semantically appropriate subtasks. Our approach outperforms the prior models, while significantly reducing inference time. We also incorporate syntactic information and further optimized the architecture. Besides, different ways for data augmentation are explored, which further improve the UDS Parsing. Lastly, we conduct experiments to investigate the efficacy of ChatGPT in handling the UDS task, revealing that it excels in attribute parsing but struggles in relation parsing, and using ChatGPT for data augmentation yields suboptimal results. Our code is available at https://github.com/hexuandeng/HExp4UDS.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google