
摘要
我们介绍了TRANX,这是一种基于转换的神经语义解析器,能够将自然语言(NL)表达映射为形式化的意义表示(MR)。TRANX采用了一种基于目标MR抽象语法描述语言的转换系统,这赋予了它两大优势:(1) 高度准确,利用目标MR的句法信息来限制输出空间并建模信息流;(2) 高度可泛化,只需编写新的抽象语法描述即可轻松应用于新的MR类型,从而适应允许的结构。在四个不同的语义解析和代码生成任务上的实验表明,我们的系统具有良好的泛化能力、扩展性和有效性,在与现有的神经语义解析器相比时表现出色。
代码仓库
DeepLearnXMU/CG-RL
pytorch
GitHub 中提及
Pro-v-7/code-generation
pytorch
GitHub 中提及
yuxiang2/CoNaLa
pytorch
GitHub 中提及
pcyin/tranX
官方
pytorch
GitHub 中提及
基准测试
| 基准 | 方法 | 指标 |
|---|---|---|
| code-generation-on-conala | TranX | BLEU: 24.30 |
| code-generation-on-conala-ext | TranX | BLEU: 18.85 |
| code-generation-on-django | Tranx | Accuracy: 73.7 |
| code-generation-on-wikisql | Tranx | Exact Match Accuracy: 68.6 Execution Accuracy: 78.6 |
| semantic-parsing-on-atis | Tranx | Accuracy: 86.2 |
| semantic-parsing-on-geo | Tranx | Accuracy: 87.7 |