抽象语义表示解析方法研究综述

作     者：尹华 卢懿亮 季跃蕾 吴梓浩 彭亚男 YIN Hua;LU Yiliang;JI Yuelei;WU Zihao;PENG Ya'nan

作者机构：广东财经大学信息学院广东广州510320 广东省智能商务工程技术研究中心广东广州510320 广州商学院现代信息产业学院广东广州511363 

出 版 物：《中文信息学报》 (Journal of Chinese Information Processing)

年 卷 期：2024年第38卷第3期

页      面：1-23页

核心收录：

学科分类：081203[工学-计算机应用技术] 08[工学] 0835[工学-软件工程] 0812[工学-计算机科学与技术（可授工学、理学学位）] 

基　　金：国家自然科学基金(12271111) 教育部人文社会科学研究青年基金(21YJCZH202) 广东省普通高校创新团队项目(2022WCXTD008) 

主　　题：抽象语义表示 解析方法 语料库 自然语言处理 

摘      要：句子级语义分析是自然语言处理(NLP)的核心任务,面临复杂语义的表示问题。抽象语义表示(AMR)突破浅层局限,实现了领域无关的整句通用语义表示,具备准确表征句子完整语义的能力。因为AMR解析效果会影响下游NLP任务的表现,所以解析方法成为近年的国内外研究热点。由于时效性因素,既有AMR综述未涉及新涌现的解析方法,亟需深度聚焦其前沿文献。该文首先采用CiteSpace工具分析了AMR的总体研究情况。相比英文AMR解析研究,中文AMR解析研究成果数量相对较少,尚有较大的发展空间。进而分析了AMR语料库发展和AMR解析面临的概念和概念关系识别、对齐以及融入结构信息等问题。根据不同的解析策略将解析方法分为4类,以问题为驱动,剖析了各类AMR解析方法的演进。最后,选择21个英文AMR解析器、7个中文AMR解析器,比较分析Smatch等各项实验指标。归纳实验结果发现,现有模型在学习复杂多语义关系方面亟待加强。该文通过理论和实证分析为研究者提供AMR解析方法的发展脉络和研究思路。