Annotating FrameNet via Structure-Conditioned Language Generation

尽管语言模型在生成自然语言方面具有显著的生成能力，但它们在显式操作和生成语言结构方面的有效性仍未得到充分研究。本文研究了按照FrameNet形式主义保留给定语义结构的生成新句子的任务。我们提出了一个框架，采用超生成和过滤方法生成新的带有语义框架注释的句子。我们的结果表明，基于丰富、明确的语义信息进行条件约束往往会产生高人类接受度的生成结果，无论是在提示和微调下都是如此。我们生成的带有语义框架结构的注释对于低资源环境下的语义角色标注数据增强是有效的；然而，在高资源环境下，我们并没有看到好处。我们的研究得出结论，虽然生成高质量、语义丰富的数据可能是可以实现的，但这些生成结果的下游效用仍有待观察，突显了自动化语言注释任务面临的重大挑战。

本论文旨在研究如何生成语义结构保持一致的新句子，以FrameNet框架为基础。同时，论文探讨了在生成过程中使用明确的语义信息的效果，并探究了这种生成方式的下游应用。

论文提出了一种基于过度生成和过滤的框架，用于生成新的、带有语义结构标注的句子。实验结果表明，在提示和微调下，基于丰富、明确的语义信息进行条件生成往往会产生高人类接受度的生成结果。此外，生成的语义结构标注对于低资源语义角色标注的数据增强是有效的，但在高资源情况下并没有明显的优势。

论文的实验设计充分，使用了多个数据集进行验证，并开源了代码。此外，生成的语义结构标注对于低资源语义角色标注的数据增强是有效的，这为未来的研究提供了新的思路。

最近的相关研究包括：《A Survey of Natural Language Generation Techniques with a Focus on Dialogue Systems: Perspectives from both industry and academia》、《Multi-Task Learning for Frame Semantic Parsing》、《A Frame-Semantic Parser for Chinese》等。