摘要

语义解析是定向无环图（DAGs），因此语义解析应被建模为图预测。然而，预测图带来了许多技术难题，因此更简单且常见的做法是使用成熟的序列模型来预测语义解析数据集中找到的线性化图。这种简化方法的代价是，预测的字符串可能不是结构良好的图。我们提出了循环神经网络DAG语法（Recurrent Neural Network DAG Grammars），这是一种图感知的序列模型，能够在避免许多图预测困难的同时确保生成的图结构良好。我们在平行意义库——一个多语言语义图库上测试了我们的模型。实验结果表明，该方法在英语上的表现具有竞争力，并首次为德语、意大利语和荷兰语建立了基准结果。