Levi Graph Transformation

本文提出将输入图转换为等价Levi图。给定一个图， Levi图定义为，，新的边集合包含出现在原始图中的每一个（nodeedge）对的一个边。

直观地，将图转换成其Levi图等价为将边转换为附加节点。因为Levi图没有标记的边，所以没有参数爆炸的风险：原始的边标签以与节点相同的方式表示为嵌入。此外，编码器自然生成原始边的隐藏状态。图2详细地展示了转换步骤。

3 实验

我们使用最新的AMR语料，包含36521/1368/1371个训练、开发和测试集合的切分。每一个图首先使用一个包含实体简化和匿名现象的方法。这个预处理步骤在将图转换为等价Levi图之前进行。对于s2s基线，我们也同样添加了范围标记。本文的基线模型采用基于注意力机制的s2s模型。对于g2s模型，设置GGNN编码器层次为8 。维度设置为512 ， GGNN编码器为576 。所以模型都使用Adam进行训练，初始学习率设置为0.0003 ， batch大小设置为16 。本文使用BLEU进行评价，采用bootstrap resampling检查统计的重要性。