[论文解读] Separating Argument Structure from Logical Structure in AMR

Johan Bos|arXiv (Cornell University)|Aug 4, 2019

Natural Language Processing Techniques参考文献 21被引用 4

一句话总结

本文提出通过引入一个逻辑层来扩展抽象意义表示（AMR），该层将谓词-论元结构与作用域及量化分离，利用带索引的上下文和约束来解决绑定变量和作用域表示问题。该方法在保留AMR核心结构的同时，实现了对否定、量词和预设的正确推理，且与现有AMR工具和语料库兼容。

ABSTRACT

The AMR (Abstract Meaning Representation) formalism for representing meaning of natural language sentences was not designed to deal with scope and quantifiers. By extending AMR with indices for contexts and formulating constraints on these contexts, a formalism is derived that makes correct prediction for inferences involving negation and bound variables. The attractive core predicate-argument structure of AMR is preserved. The resulting framework is similar to that of Discourse Representation Theory.

研究动机与目标

• 为解决AMR中的绑定变量问题，即由于基于图的表示方式导致量词作用域错误。
• 解决作用域表示问题，即AMR无法支持涉及否定和复杂逻辑算符的有效推理。
• 为AMR增加一个形式化的逻辑层，以实现对否定、量词和预设的正确解释。
• 保持与现有AMR标注语料库和解析工具的兼容性。
• 支持与话语表示理论（DRT）等形式语义框架的比较，并促进共享语义解析资源的开发。

提出的方法

• 通过引入两层结构扩展AMR：谓词-论元层（原始AMR去除极性）和带有作用域约束的逻辑层。
• 为每个子-AMR分配唯一索引（通过编号斜杠表示，例如 /1/、/2/），以表示上下文。
• 使用符号定义逻辑约束：=（相等）、¬（否定）、⇒（蕴含）、<（预设），并使用英文冒号表示包含关系（例如 l:C）。
• 采用AMR的递归视图，将每个斜杠视为一个子-AMR，以实现系统化的索引和约束应用。
• 引入简写表示法以简化常见情况的标注：{¬j} 表示 {i:¬j}，{j⇒k} 表示 {i:j⇒k}，{¬j,j:¬k} 表示 {i:¬j,j:¬k}。
• 将扩展后的AMR转换为三元组格式，包含 IN（成员关系）和结构三元组（如 NOT、IF、THEN），以确保与标准AMR评估工具的兼容性。

实验结果

研究问题

• RQ1 如何在不改变AMR核心谓词-论元结构的前提下，扩展AMR以正确表示量化和否定句中的作用域？
• RQ2 何种形式机制可使AMR处理绑定变量问题，即量词错误地作用于所有实例？
• RQ3 能否以保持与现有AMR语料库和解析工具兼容的方式向AMR添加逻辑约束？
• RQ4 如何将所得的逻辑结构表示为适合评估并可与标准AMR处理流程集成的三元组格式？
• RQ5 标注过程在多大程度上可实现半自动化？机器学习在扩展AMR格式的规模化过程中可发挥何种作用？

主要发现

• 所提出的扩展通过允许量词正确作用域，成功解决了绑定变量问题，如在 'every snake bit itself' 和 'all dogs want to swim' 等例句中所示。
• 该框架通过将否定视为具有作用域的逻辑算符，正确建模了否定，避免了从 'Mary did not leave' 推导出 'Mary left' 的错误推理。
• 逻辑约束形式化定义，并可转换为三元组格式，从而可与标准AMR评估工具（如 Cai 和 Knight, 2013 所提供的工具）兼容使用。
• 该方法可通过在配对的AMR和AMR+数据集上进行训练，实现对现有AMR解析器的模块化扩展，同时保留原始AMR结构。
• 为约束引入的简写表示法（如 {¬j}、{j⇒k}）简化了标注过程，同时保持逻辑等价性并降低认知负担。
• 该方法与话语表示理论兼容，并支持与 Parallel Meaning Bank 等资源的集成。