본 기사는 구조 일반화 작업(예: 수식어 위치 이동)에서 방향성 구분을 더 잘 처리하기 위해 CCG 방향성 유형을 활용하는 AM-Parser의 재설계된 심볼릭 백엔드를 소개합니다.

  • 시스템은 결정론적 CKY와 30K개의 학습 가능한 파라미터를 가진 단일 선형 디코더를 사용합니다.
  • LF 정확 일치율 75.9±6.4%를 달성하여 이전 AM-Parser 점수인 70.8±4.3%를 능가합니다.
  • 이 향상은 방향성에 크게 의존하며, CCG 시스템은 모든 5가지 위치 이동 카테고리에서 AM-Parser보다 +29.9pp 더 높은 성능을 보입니다.
  • BERT-base 인코더를 DeBERTa-v3-large로 교체하면 90.7±4.9%의 점수를 얻으며, 병목 현상이 신경망 레이어로 이동합니다.

이 접근 방식은 방향성 표현이 특히 위치 이동 작업에서 구조 일반화를 향상시킨다는 것을 보여주며, 더 큰 인코더로부터의 보완적 이점은 재귀 깊이 카테고리를 해결합니다.