摘要

本文提出通过改进AMR解析器中的两个核心组件——概念识别与词元到概念的对齐——来突破AMR解析的瓶颈。首先，我们构建了一个基于双向LSTM的概念识别模块，该模块能够利用更丰富的上下文信息，从而有效学习稀疏的AMR概念标签。随后，我们对基于隐马尔可夫模型（HMM）的词元到概念对齐模型进行了扩展，引入图距离畸变（graph distance distortion）机制，并在解码过程中采用重打分方法，以充分融合AMR图结构中的拓扑信息。实验结果表明，将上述两个组件整合至现有AMR解析器中，能够在多个数据集上持续超越当前最优水平，显著提升解析性能。