Semantische Analyse durch Paraphrasierung

Eine zentrale Herausforderung bei der semantischen Analyse besteht darin, die unzähligen Möglichkeiten zu bewältigen, wie Prädikate aus Wissensdatenbanken ausgedrückt werden können. Traditionell werden semantische Parser hauptsächlich aus Text trainiert, der mit Informationen aus Wissensdatenbanken gekoppelt ist. Unser Ziel ist es, die viel größeren Mengen an Rohtext zu nutzen, die nicht an eine Wissensdatenbank gebunden sind. In diesem Papier kehren wir die semantische Analyse um. Gegebenenfalls einer Eingabeäußerung verwenden wir zunächst eine einfache Methode, um deterministisch eine Menge von Kandidaten-logischen Formen zu erzeugen, die für jede eine kanonische Realisierung in natürlicher Sprache haben. Anschließend verwenden wir ein Paraphrasemodell, um die Realisierung auszuwählen, die am besten die Eingabe paraphrasiert, und geben die entsprechende logische Form aus. Wir präsentieren zwei einfache Paraphrasemodelle, ein Assoziationsmodell und ein Vektorraum-Modell, und trainieren sie gemeinsam aus Frage-Antwort-Paaren. Unser System PARASEMPRE verbessert die Genauigkeit des aktuellen Stands der Technik bei zwei kürzlich veröffentlichten Frage-Antwort-Datensätzen.