SEMPRE: Semantic Parsing with Execution
SEMPRE: Semantic Parsing with Execution (Slides)
QA 분야 쪽에 꽤 알려져있는 오픈소스로 스탠포드 학생이 만든 Semantic Parser다.
기본적으로 beam-based bottom up parser 이며, 모호한 질의가 들어왔을 때 수십만개가 될 수 있는데 beam-based로 전부 순회하지 않고 최적의 top K개 best-first search로 후보를 얻는다. 여하튼 결론적으로, maximum likelihood (w/ adagrad)로 k = 500 최적의 probabilistic parse tree 를 찾았다는 얘기다.
물론 요즘은 딥 뉴럴 네트워크로 넘어가는 것이 추세고, 그와 동시에 1년 사이 Sempre 기록은 박살 났으나 기본적인 학습 알고리즘은 같다. 다음 블로그에서는 MSR에서 내놓은 검색이나 QA에서 사용되는 CNN 기반 Deep Semantic Similarity Model을 알아보자!
QA 분야 쪽에 꽤 알려져있는 오픈소스로 스탠포드 학생이 만든 Semantic Parser다.
기본적으로 beam-based bottom up parser 이며, 모호한 질의가 들어왔을 때 수십만개가 될 수 있는데 beam-based로 전부 순회하지 않고 최적의 top K개 best-first search로 후보를 얻는다. 여하튼 결론적으로, maximum likelihood (w/ adagrad)로 k = 500 최적의 probabilistic parse tree 를 찾았다는 얘기다.
물론 요즘은 딥 뉴럴 네트워크로 넘어가는 것이 추세고, 그와 동시에 1년 사이 Sempre 기록은 박살 났으나 기본적인 학습 알고리즘은 같다. 다음 블로그에서는 MSR에서 내놓은 검색이나 QA에서 사용되는 CNN 기반 Deep Semantic Similarity Model을 알아보자!