A Short Review of Abstract Meaning Representation Applications
Publish place: Journal of Modeling & Simulation in Electrical & Electronics Engineering، Vol: 2، Issue: 3
Publish Year: 1401
نوع سند: مقاله ژورنالی
زبان: English
View: 16
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_MSEEE-2-3_001
تاریخ نمایه سازی: 2 مهر 1403
Abstract:
Abstract Meaning Representation (AMR) is a representation model in which AMRs are rooted and labeled graphs that capture semantics on the sentence level while abstracting away from Morpho-Syntactic properties. The nodes of the graph represent meaning concepts and the edge labels show relationships between them. The application of AMR, as a principal form of structured sentence semantics, in Natural Language Processing (NLP) tasks is widely increasing, and it is considered a turning point for NLP research. The present study gives a brief review of the existing AMR applications in various NLP tasks. Moreover, they are compared and some of their basic features are discussed.
Keywords:
Authors
Nasim Tohidi
Artificial Engineering Departement, Faculty of Computer Engineering, K. N. Toosi University of Technology, Tehran, Iran
Chitra Dadkhah
Artificial Engineering Departement, Faculty of Computer Engineering, K. N. Toosi University of Technology, Tehran, Iran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود Paper لینک شده اند :
