1. 程式人生 > >論文隨筆-STRUCTVAE: Tree-structured Latent Variable Models for Semi-supervised Semantic Parsing 2018ACL

論文隨筆-STRUCTVAE: Tree-structured Latent Variable Models for Semi-supervised Semantic Parsing 2018ACL

Abstract

語義分析是將自然語言(NL)的話語轉換為正式意義表示(MRs)的任務,通常表示為樹結構。用相應的MRs註釋NL話語是昂貴和耗時的,因此標記資料的有限可用性常常成為資料驅動、監督模型的瓶頸。我們引入STRUCTVAE,一種用於半監督語義分析的變分自動編碼模型,它既能從有限的並行資料中學習,又能從現成的未標記的NL話語中學習。未標記資料中未觀察到的STRUCTVAE模型作為樹結構潛在變數。在ATIS域和Python程式碼生成上進行的語義解析實驗表明,有了額外的無標記資料,STRUCTVAE就比強大的監督模型表現更好。