13 Matching Annotations
  1. Last 7 days
    1. 一个seq2seq结构的semantic parser + 一个可以执行的程序 运用强化学习+弱监督学习,可迭代的最大似然估计 数据集:WEBQUESTIONSSP,从问答对中进行训练

  2. Feb 2019
  3. www.aixpaper.com www.aixpaper.com
    1. 分为两部分,先将语句转换到un-grounded中间表示,谓词(非终结符)+名词(终结符),然后再进行ground,变成领域内的逻辑形式。 转换到中间谓词表示时,用一个转换系统,通过预测action来完成。

    2. Our model falls under the second classof approaches where utterances are first mappedto an intermediate representation containing nat-ural language predicates.

      先转换到一个中间表示,中间表示中含有自然语言谓词结构

    1. 首先,source和target的树都进行二叉化. 然后,encoder部分就是自底向上的tree-ltsm进行编码,在root端得到编码. decoder部分,维护一个待扩展节点的队列.每个节点的h和c由父节点的h和c进行计算出来. attention机制 父节点的attention也feed到子节点中,而不是完全独立的.

    2. when the decoder expands a non-terminal, it locates the correspondingsub-tree in the source tree using an attention mechanism, and uses the information of the sub-tree toguide the non-terminal expansion.

      在对一个非终结符进行解码的时候,就可以通过attention来定位与他关联的源树里的子树.

    3. programming languages have rigorous grammars and are not tolerant totypos and grammatical mistakes

      与自然语言的翻译不同.编程语言具有严格的语法,并且不能容忍自己的语法和语法错误

    4. 编程语言的翻译,例如C++->Python.用树到树的结构,加上了attention机制.

    1. control the size of rewritings, this paper onlyrewrite the common nouns in a sentence

      控制重写的量,所以只替换句子中的通用名词。

    2. ranking function

      排序功能,通过把重写特征和语义解析特征都考虑进去,选出最佳的重写句和正确的LF。

    3. ne is a dictionary-based sen-tence rewriting algorithm, which can resolve the1-N mismatch problem by rewriting a word us-ing its explanation in a dictionary.The otheris a template-based sentence rewriting algorithm,which can resolve the N-1 mismatch problemby rewriting complicated expressions using para-phrase template pairs.

      针对1-N:基于词典的语句重写算法。用单词的示意代替该自然语言单词。 针对N-1:基于模板的语句重写算法。用复述模板对来重写复杂的表达。

    4. 基于词典的替换时,只对句子中的常用名词进行替换。并且对该名词用最常用的词典解释替换,忽略掉长度超过5的释义。

    5. 提出两种词汇不匹配的类型:

      1. 1-N:一个自然语言单词对应多个公式组成的公式
      2. N-1:多个自然语言单词对应一个逻辑形式中的单词
    6. 自然语言的多样性,导致多条语句可能有相同的意思。这时候,parser只能将语句转换成其结构相同的LF,而很难转换成结构不同的LF。 所以文章的方法是通过重写语句,例如daughter写成female child,这样转换的LF更准确。