基于Transformer的AMR语义表示生成研究

抽象语义表示（AMR）是一种创新的句子级语义表达方式，将句子的语义呈现为一个单一根的有向无环图。AMR文本生成任务旨在生成与给定AMR图具有相同语义的句子。随着神经网络在自然语言生成领域的崛起，序列到序列模型在AMR文本生成任务中取得显著的性能。本研究聚焦于基于序列到序列Transformer模型的AMR文本生成，主要研究内容包括：(1)基于大规模自动标注语料的AMR文本生成研究。由于AMR文本生成可用的标准数据集规模相对较小，因此模型对任务性能的影响较大。为解决这一问题，本文采用大规模自动标注语料，比较先进模型和基准模型在生成文本方面的性能。在这项工作中，使用序列到序列的Transformer模型作为基准模型，通过对比不同模型的性能，深入研究AMR文本生成的关键问题。