The Role of Semantic Parsing in Understanding Procedural Text

要約

この論文では、深いセマンティックパーサーから抽出されたシンボリックセマンティック表現が、手続き型テキストに含まれるエンティティの状態を推論するのに役立つかどうかを調査します。
我々は深いセマンティックパーサー~(TRIPS)とセマンティックロールラベリングをセマンティック解析知識の2つのソースと考えています。
まず、記号解析に基づく手続き型推論フレームワークである PROPOLIS を提案します。
次に、セマンティック解析情報を最先端のニューラル モデルに統合して、手続き型の推論を行います。
私たちの実験は、そのような意味知識を明示的に組み込むことで、手続きの理解が向上することを示しています。
このホワイト ペーパーでは、課題を明確にし、ニューラル モデル、シンボリック モデル、および統合モデル間の違いを特定する、手続き型推論タスクを評価するための新しいメトリックを示します。

要約(オリジナル)

In this paper, we investigate whether symbolic semantic representations, extracted from deep semantic parsers, can help reasoning over the states of involved entities in a procedural text. We consider a deep semantic parser~(TRIPS) and semantic role labeling as two sources of semantic parsing knowledge. First, we propose PROPOLIS, a symbolic parsing-based procedural reasoning framework. Second, we integrate semantic parsing information into state-of-the-art neural models to conduct procedural reasoning. Our experiments indicate that explicitly incorporating such semantic knowledge improves procedural understanding. This paper presents new metrics for evaluating procedural reasoning tasks that clarify the challenges and identify differences among neural, symbolic, and integrated models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google