抽象语义表示（Abstract Meaning Representation, AMR）是一种领域无关的、通用的整句语义表示方法，它使用单根有向无环图来表示一个句子的语义结构。作为一种深层的语义表示方法，AMR能够有效挖掘句子的语义信息，并提升很多自然语言处理下游任务的性能，比如机器翻译、文本摘要、信息抽取等。和英文AMR相比，中文抽象语义表示(Chinese AMR, CAMR)增加了概念关系对齐信息，并针对中文特点增加了一些语义标签。

        本次CAMR评测比赛依托第二十一届中国计算语言学大会CCL-2022。CCL是中国中文信息学会(CIPS)的重要会议，是中国最大的自然语言处理学者和专家的社区。经过三十年的发展，CCL被广泛认为是最权威的，全国最具影响力、规模最大的NLP会议。华为云语音语义创新Lab和苏州大学组成的联合团队在“中文抽象语义表示解析”评测任务中获得第一名的佳绩。本次评测共有testa和testb两个测试数据集，并分为closed和open两个赛道，我们在两个赛道、两个测试集上均取得了第一名的成绩。详细的信息请查看评测网址：https://github.com/GoThereGit/Chinese-AMR

        CAMR评测任务的难点在于，AMR图中的概念节点和句子中词并不是一一对应的关系，有的概念节点由单个词组成，有的概念节点只由一个词当中的几个字组成，有的概念节点是由多个词组成，有的概念节点甚至并不存于句子中，例如下图中的节点“temporal-quantity”。AMR的这种特性决定了我们不能直接采用传统的基于图的方法解决。

       为了处理这个问题，我们尝试了一系列最新的自然语言处理技术，最终决定采用非自回归的方法首先生成AMR图中的概念节点，然后对这些节点进行边的建立、从而生成最终的AMR语义图。为了进一步提升模型的性能，我们还采用了多图聚合的ensemble策略。在实验中，我们还发现句子的句法结构能够有效提升CAMR的性能。结合这些先进的技术，我们最终取得了评测任务第一名的成绩。

         语义分析是自然语言处理的一个核心任务，也是人工智能的一个重要的组成部分。华为云语音语义创新Lab在人工智能语音语义领域深耕技术，接连夺得包括DiggScience科学数据挖掘，NLPCC预训练模型，CCF BDCI金融实体情感分析，WSDM网络搜索与数据挖掘在内的多项国际国内顶赛冠军。凭借先进的NLP技术，华为云提供了多个高效的场景应用、极大地提升了客户的工作效率。