AMR, Abstract Meaning Representation

📄Paper : Abstract Meaning Representation

AMR이란?

Banarescu, L., et al.의 연구에서 제안된 개념으로, 문장의 의미 구조를 그래프로 표현한 것이다.

AMR의 단점 🔥

1. 보편 양화사(universal quantifier)를 고려하지 못함
   all, for all, given any과 같은 보편 양화사는 문장의 주요 개념(Head concept)을 변경할 수 있지만, AMR은 그를 표현할 수 없다.

2. 시제 및 수 표현에 따른 접사 및 모음의 변화를 포함하지 않음
   예시 : -ed, -ing, -s

3. 실제로 일어난 일과 미래, 가정, 소망을 구별하지 못함

---

📄Paper : Toward abstractive summarization using semantic representations

💡 Contribution: AMR을 이용한 추상 요약 프레임워크 제안

문장별로 AMR 그래프를 그린 후 그래프를 병합한다.
병합된 그래프의 하위 그래프 중에서 요약 그래프를 예측한다.
요약 그래프를 바탕으로 요약문을 생성한다.

---

📄Paper : Neural headline generation on abstract meaning representation

💡 Contribution: AMR을 이용한 제목 생성 프레임워크 제안

주어진 텍스트를 AMR 그래프로 변환한 후, Headline Generator를 사용함으로써 제목을 생성하였다.

Headline Generator는 Rush et al.의 연구에서 제안된 Attention Based Summarization (ABS) 모델과 Tree-LSTM 기반 encAMR 모델을 사용하였다.

⭐️ 텍스트와 텍스트로부터 생성된 AMR 그래프를 기반으로 제목을 생성함으로써
문법적이고 의미적으로도 적합한 제목이 생성될 수 있다.

---

🌱 세미나 자료

👇 세미나 자료 보러가기

✨ 리뷰한 논문

Banarescu, L., et al. "Abstract meaning representation for sembanking." Proc. of the 7th linguistic annotation workshop and interoperability with discourse, Sofia, Bulgaria, 2013.

✨ 참고 문헌

1. Liu, F., et al. "Toward abstractive summarization using semantic representations." Proc. of the 2015 Conference of the North American Chapter of the Association for Computational Linguistics: Human Language Technologies, Denver, Colorado, 2015.

2. Choe, H., Han, J., Park, H., Oh, T. H., and Kim, H. "Building korean abstract meaning representation corpus." _Proc. of the Second International Workshop on Designing Meaning Representations, Barcelona Spain (online), 2020.

3. Takase, S., Suzuki, J., Okazaki, N., Hirao, T., and Nagata, M. "Neural headline generation on abstract meaning representation." Proc. of the 2016 Conference on Empirical Methods in Natural Language Processing, Austin, Texas, pp. 1054-1059, 2016.

4. Rush, A. M., Harvard, S. E. A. S., Chopra, S., and Weston, J. "A neural attention model for abstractive sentence summarization." Proc. of the 2015 Conference on Empirical Methods in Natural Language Processing, Lisbon, Portugal, pp. 379-389, 2015.

5. Tai, K. S., Socher, R., and Manning, C. D. "Improved semantic representations from tree-structured long short-term memory networks." Proc. of the 53rd Annual Meeting of the Association for Computational Linguistics and the 7th International Joint Conference on Natural Language Processing (Volume 1: Long Papers), Beijing, China, pp. 1556-1566, 2015.