연구진이 PCFG 규칙 점수를 문법 기호 임베딩 간의 대수적 관계로 재구성하는 Hol-PCFG를 제안했어요. Hol-PCFG는 토러스 제약 임베딩을 사용해 왼쪽 자식, 오른쪽 자식, 어휘 방출 관계를 모델링해 모든 규칙 확률에 대한 닫힌 형태를 제공해요.
6개 언어에서 최고 성능을 달성하면서 규칙 점수 파라미터를 기준 모델보다 99.94% 줄이고 더 안정적으로 학습했어요. 일본어 문자를 형태소 분할 없이 직접 구문 분석하는 것도 가능해요.
Hol-PCFG는 기존 Neural PCFG 모델과 달리 규칙 확률에 대한 해석 가능한 수학적 형태를 제공하며, 파라미터 효율성과 학습 안정성을 개선했어요.