《表1 源端句子的平均长度 (注:以词为单位)》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《融合源端句法和语义角色信息的AMR解析》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

本文实验使用的数据集是LDC2017T10。该数据集包含若干英文句子及其对应的AMR图。与相关研究的数据划分一致，训练集、开发集和测试集分别包含36 521个、1 368个句子及1 371个句子和AMR对。为了获取源端句子的句法分析和语义角色标注结果，本文使用开源源代码工具AllenNLP[30]（1），该工具的句法分析模型是基于PennTree Bank训练的，语义角色标注模型则是基于英文Ontonotes 5.0训练的。在进行语义角色标注时，工具会识别除了辅助动词和系动词之外的所有谓词的语义角色。融合了句法和语义角色信息之后，不可避免地会增加源端序列的长度。如表1所示，融合源端不同信息后，源端输入序列的平均长度相对于基准模型都明显增加。本文使用SMATCH系统[31]来评估AMR解析模型的性能，该系统会将模型解析生成的AMR图和正确AMR图都转换为三元组，然后进行对比，算出P（精确度）、R（召回率）、F1值。本文实验所使用的代码将在Github上开源公布。