en بازنمایی معنای انتزاعی: مروری بر کارهای اخیر تخصصي Special كاربردي Review paper <div style="text-align: justify;">کاربرد بازنمایی معنای انتزاعی (AMR) به طور گسترده‌ای به عنوان شکل اصلی معناشناسی ساختاریافته در حال افزایش است و به عنوان نقطه عطفی برای تحقیقات پردازش زبان طبیعی (NLP) در نظر گرفته می‌شود. AMRها، در واقع، گراف‌های ریشه‌دار و برچسب‌گذاری شده‌ای هستند که معنای یک متن را در سطح جمله بازنمایی می‌کنند و این کار را به صورت مستقل از ساختار نحوی جمله انجام می‌دهند. گره‌های گراف مفاهیم را در معنای جمله نشان می‌دهند و برچسب‌های یال‌ها معادل روابط بین این مفاهیم هستند. در این مقاله، مروری بر رویکردهای موجود در تولید متن از AMR و تجزیه متن ورودی برای تولید AMR با مطالعه تحقیقات مختلف از سال 2013 تا 2022 ارائه نموده‌ایم. علاوه بر این، توضیح می‌دهیم که چگونه محققان تاکنون از AMR برای کاربردهای رایج NLP استفاده کرده‌اند. پس از آن، مجموعه داده‌ها و معیارهای ارزیابی مرتبط موجود در این زمینه را شرح می‌دهیم. در نهایت، برخی از ویژگی‌ها و چالش‌های اساسی AMR را مورد بحث قرار خواهیم داد.</div> <div id="gtx-trans" style="position: absolute; left: 688px; top: 122.167px;"> <div class="gtx-trans-icon"></div> </div> <div style="text-align: justify;">The application of Abstract Meaning Representation (AMR) is widely increasing as a principal form of structured sentence semantics, and it is considered as a turning point for Natural Language Processing (NLP) research. AMRs are rooted and labeled graphs, which capture semantics on sentence level and abstract away from Morpho-Syntactic properties. The nodes of the graph represent meaning concepts, and the edge labels show relationships between them. In this paper, we give a brief review about the existing approaches of generating text from AMR and parsing input text to produce AMR by studying various research from 2013 to 2022. Besides, we explain how the researchers have been used AMR for prevalent NLP tasks. Afterwards, we describe the existing datasets and evaluation metrics, which can be used in this regard. Finally, we discuss some basic features and challenges of AMR.</div> بازنمایی معنای انتزاعی, تولید, تجزیه, پردازش زبان طبیعی, متن Abstract Meaning Representation, Generation, Parsing, Natural Language Processing, Text 13 43 http://joc.kntu.ac.ir/browse.php?a_code=A-10-542-3&slc_lang=en&sid=1 Nasim Tohidi نسیم توحیدی n.tohidi@email.kntu.ac.ir 10031947532846009741 10031947532846009741 Yes Artificial Engineering Depatement, Faculty of Computer Engineering, K. N. Toosi University of Technology, Tehran, Iran گروه مهندسی هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران Chitra Dadkhah چیترا دادخواه dadkhah@kntu.ac.ir 10031947532846009742 10031947532846009742 No Artificial Engineering Depatement, Faculty of Computer Engineering, K. N. Toosi University of Technology, Tehran, Iran گروه مهندسی هوش مصنوعی، دانشکده مهندسی کامپیوتر، دانشگاه صنعتی خواجه نصیرالدین طوسی، تهران، ایران Alexander Gelbukh Alexander Gelbukh gelbukh@cic.ipn.mx 10031947532846009743 10031947532846009743 No CIC, Instituto Politécnico Nacional موسسه ملی پلی تکنیک