@进行中{schrack-etal-2022-amr,title=“{AMR}能否协助法律和逻辑推理?”,author=“Schrack、Nikolaus和崔瑞祥佩兹、雨果和Daniel Hershcovich”,editor=“Goldberg、Yoav和科扎列娃、佐尔尼察和张岳”,booktitle=“计算语言学协会的发现:EMNLP 2022”,月=12月,年=“2022”,address=“阿拉伯联合酋长国阿布扎比”,publisher=“计算语言学协会”,url=“https://aclantology.org/2022.findings-emnlp.112”,doi=“10.18653/v1/2022.findings-emnlp.112”,pages=“1555--1568”,abstract=“抽象意义表示(AMR)已被证明对许多下游任务有用。在这项工作中,我们探索了AMR在法律和逻辑推理中的应用。具体来说,我们研究了AMR是否有助于捕获多项选择问答(MCQA)中的逻辑关系任务。我们提出了利用线性化AMR图与预训练语言模型相结合的神经体系结构。虽然这些模型无法超越纯文本基线,但它们正确地解决了与文本模型不同的实例,表明了互补能力。错误分析进一步表明,AMR分析质量是最突出的挑战,尤其是对于多句子输入。我们对逻辑关系如何在AMR中表示进行了理论分析,并得出结论,它可能对某些逻辑语句有帮助,但对其他逻辑语句没有帮助。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“schrack-etal-2022-amr”><标题信息><title>AMR可以辅助法律和逻辑推理吗</标题></titleInfo><name type=“个人”>尼古拉斯Schrack公司<角色>作者</角色></name><name type=“个人”>瑞祥<namePart type=“given”>崔<namePart type=“family”><角色>作者</角色></name><name type=“个人”>雨果洛佩兹<角色>作者</角色></name><name type=“个人”>丹尼尔赫什科维奇<角色>作者</角色></name><originInfo><日期发布>2022-12年</日期发布></originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>计算语言学协会的发现:EMNLP 2022</titleInfo><name type=“个人”>Yoav<namePart type=“family”>戈德堡</namePart><角色>编辑器</角色></name><name type=“个人”>佐尔尼察科扎列娃<角色>编辑器</角色></name><name type=“个人”>岳<namePart type=“given”><namePart type=“family”>张<角色>编辑器</角色></name><originInfo>计算语言学协会<位置>阿拉伯联合酋长国阿布扎比</place></originInfo>会议出版物</relatedItem>抽象意义表示(AMR)已被证明对许多下游任务有用。在这项工作中,我们探索了AMR在法律和逻辑推理中的应用。具体来说,我们研究AMR是否有助于捕获多项选择问答(MCQA)任务中的逻辑关系。我们提出了利用线性化AMR图与预先训练的语言模型相结合的神经架构。虽然这些模型无法超越纯文本基线,但它们能够正确地解决与文本模型不同的实例,这表明它们具有互补的能力。错误分析进一步表明,AMR分析质量是最突出的挑战,尤其是对于多句子输入。我们对逻辑关系如何在AMR中表示进行了理论分析,并得出结论,它可能对某些逻辑语句有帮助,但对其他逻辑语句没有帮助</摘要>schrack-etal-2022-amr10.18653/v1/2022.findings-emnlp.112<位置><网址>https://aclantology.org/2022.findings-emnlp.112</url></位置><部分>2022-12年<扩展单元=“page”><开始>1555</开始>1568年</范围></部分></mods></modsCollection>
%0会议记录%AMR能辅助法律和逻辑推理吗?%尼古拉斯·A Schrack%阿翠、瑞香%A López,雨果%丹尼尔·赫什科维奇%Y Goldberg,约夫%佐尔尼察Y Kozareva%Y Zhang,岳%计算语言学协会的发现:EMNLP 2022%D 2022年%12月8日%计算语言学协会%C阿拉伯联合酋长国阿布扎比%F schrack-etal-2022-amr公司%X抽象意义表示(AMR)已被证明对许多下游任务有用。在这项工作中,我们探索了AMR在法律和逻辑推理中的应用。具体来说,我们研究AMR是否有助于捕获多项选择问答(MCQA)任务中的逻辑关系。我们提出了利用线性化AMR图与预训练语言模型相结合的神经体系结构。虽然这些模型无法超越纯文本基线,但它们正确地解决了与文本模型不同的实例,表明了互补能力。错误分析进一步表明,AMR分析质量是最突出的挑战,尤其是对于多句子输入。我们对逻辑关系如何在AMR中表示进行了理论分析,并得出结论,它可能对某些逻辑语句有帮助,但对其他逻辑语句没有帮助。%R 10.18653/v1/2022.查找-emnlp.112%U型https://acl选集.org/2022.findings-emnlp.112%U型https://doi.org/10.18653/v1/2022.findings-emnlp.112%电话:1555-1568
降价(非正式)
[AMR可以帮助进行法律和逻辑推理吗?](https://acl选集.org/2022.findings-emnlp.112)(Schrack等人,2022年调查结果)
国际计算语言学协会
- 尼古拉斯·施拉克(Nikolaus Schrack)、崔瑞香(Ruixiang Cui)、雨果·洛佩斯(Hugo López)和丹尼尔·赫什科维奇(Daniel Hershcovich)。2022AMR可以辅助法律和逻辑推理吗?.英寸计算语言学协会的发现:EMNLP 2022第1555-1568页,阿拉伯联合酋长国阿布扎比。计算语言学协会。