stringtranslate.com

Семантическая декомпозиция (обработка естественного языка)

Семантическая декомпозиция — это алгоритм, который разбивает значения фраз или концепций на менее сложные концепции. [1] Результатом семантической декомпозиции является представление значения. [2] Это представление может использоваться для задач, связанных с искусственным интеллектом или машинным обучением . Семантическая декомпозиция распространена в приложениях обработки естественного языка .

Основная идея семантической декомпозиции взята из навыков обучения взрослых людей, где слова объясняются с помощью других слов. Она основана на теории «смысл-текст» . Теория «смысл-текст» используется как теоретическая лингвистическая структура для описания значения концепций с помощью других концепций.

Фон

Учитывая, что ИИ изначально не имеет языка, он не способен думать о значениях слов языка. Для появления сильного ИИ необходимо создать искусственное понятие значения. [3]

Создание искусственного представления смысла требует анализа того, что такое смысл. Многие термины связаны со смыслом, включая семантику, прагматику, знание и понимание или смысл слова. [4] Каждый термин описывает определенный аспект смысла и вносит вклад во множество теорий, объясняющих, что такое смысл. Эти теории необходимо проанализировать дальше, чтобы разработать искусственное понятие смысла, наилучшим образом соответствующее нашему текущему состоянию знаний.

Графические представления

Абстрактный подход к тому, как представление знаний и рассуждения позволяют найти специфическое решение (ответ) для заданной проблемы (вопросов)

Представление значения в виде графика — один из двух способов, с помощью которых и познание ИИ, и лингвист-исследователь думают о значении ( коннекционистский взгляд). Логики используют формальное представление значения, чтобы построить на идее символического представления, тогда как описательная логика описывает языки и значение символов. Это разногласие между «аккуратными» и «неряшливыми» методами обсуждается с 1970-х годов. [5]

Исследования до сих пор определили семантические меры и вместе с этим разрешение словесной смысловой неоднозначности (WSD) - дифференциацию значений слов - как основную проблему понимания языка. [6] Как среда, полная для ИИ, WSD является основной проблемой понимания естественного языка. [7] [8] Подходы ИИ, которые используют рассуждения на основе знаний, создают понятие смысла, объединяя современное знание естественного смысла с символической и коннекционистской формализацией смысла для ИИ. Абстрактный подход показан на рисунке. Во-первых, коннекционистское представление знаний создается как семантическая сеть , состоящая из концепций и их отношений, чтобы служить основой для представления смысла. [9] [10] [11] [12]

Этот граф построен из различных источников знаний, таких как WordNet , Wiktionary и BabelNET. Граф создан путем лексической декомпозиции, которая рекурсивно разбивает каждое понятие семантически на набор семантических простых чисел . [1] Простые числа взяты из теории естественного семантического метаязыка , [13] которая была проанализирована на предмет полезности в формальных языках. [14] На этом графе передача маркеров [15] [16] [17] используется для создания динамической части смысла, представляющего мысли. [18] Алгоритм передачи маркеров, где символическая информация передается по отношениям от одного понятия к другому, использует интерпретацию узлов и ребер для управления своими маркерами. Модель интерпретации узлов и ребер представляет собой символическое влияние определенных понятий.

В будущих работах созданное представление смысла используется для построения эвристик и их оценки посредством сопоставления возможностей и планирования агентов, чат-ботов или других приложений понимания естественного языка .

Смотрите также

Ссылки

  1. ^ ab Riemer, Nick (2015-07-30). Справочник Routledge по семантике. Routledge. ISBN 9781317412441.
  2. ^ Fähndrich, J. (2018). Семантическая декомпозиция и передача маркеров в искусственном представлении смысла. Технический университет Берлина (Германия). [1]
  3. ^ Лоизос Майкл. 2015. Поспешные выводы. В трудах Международной конференции 2015 года по отменяемым и амплифицирующим рассуждениям - Том 1423 (DARe'15). CEUR-WS.org, Ахен, Германия, 43–49. [2]
  4. ^ Лёбнер, Себастьян (19 мая 2015 г.). Семантика: Eine Einführung (на немецком языке). Вальтер де Грюйтер ГмбХ & Ко КГ. ISBN 9783110350906.
  5. ^ Мински, Марвин Л. (1991-06-15). «Логическое против аналогового или символическое против коннекционистского или аккуратное против неряшливого». Журнал AI . 12 (2): 34. doi :10.1609/aimag.v12i2.894. ISSN  2371-9621.
  6. ^ Разрешение неоднозначности смысла слов — алгоритмы и приложения | Энеко Агирре | Springer.
  7. ^ Нэнси Айд и Джин Веронис. Введение в специальный выпуск по разрешению неоднозначности значений слов: современное состояние. Компьютерная лингвистика, 24(1):2-40, 1998
  8. ^ Ямпольский, Р. В. (2012, апрель). AI-complete, AI-hard, или AI-easy–классификация проблем в ИИ. В 23-й Среднезападной конференции по искусственному интеллекту и когнитивной науке, Цинциннати, Огайо, США .
  9. ^ Sycara, Katia; Klusch, Matthias; Widoff, Seth; Lu, Jianguo (1 марта 1999 г.). «Динамическое сопоставление услуг между агентами в открытых информационных средах». ACM SIGMOD Record . 28 (1): 47–53. CiteSeerX 10.1.1.44.914 . doi :10.1145/309844.309895. ISSN  0163-5808. S2CID  10197051. 
  10. ^ Оукс, Филиппа; тер Хофстеде, Артур Х.М.; Эдмонд, Дэвид (2003), «Возможности: описание того, что могут делать службы», Сервисно-ориентированные вычисления - ICSOC 2003 , Lecture Notes in Computer Science, т. 2910, Springer Berlin Heidelberg, стр. 1–16, CiteSeerX 10.1.1.473.5321 , doi :10.1007/978-3-540-24593-3_1, ISBN  9783540206811, S2CID  11524526
  11. ^ Йоханнес Фендрих, «Первый поиск планирования сервисной композиции с использованием постепенно переопределенных контекстно-зависимых эвристик». На немецкой конференции «Технологии многоагентных систем», страницы 404-407, Springer Berlin Heidelberg, 2013 г.
  12. ^ Фендрих, Йоханнес; Арндт, Себастьян; Албайрак, Сахин (2013), «На пути к самообъясняющимся агентам», Тенденции в практическом применении агентов и многоагентных систем , Достижения в области интеллектуальных систем и вычислений, т. 221, Springer International Publishing, стр. 147–154, doi :10.1007/978-3-319-00563-8_18, ISBN 9783319005621
  13. ^ Годдард, Клифф; Вежбицкая, Анна, ред. (1994). Семантические и лексические универсалии: теория и эмпирические результаты . Амстердам: Benjamins.
  14. ^ Fähndrich, Johannes; Ahrndt, Sebastian; Albayrak, Sahin (2014-10-15). «Формальная языковая декомпозиция в семантические простые числа». Advances in Distributed Computing and Artificial Intelligence Journal . 3 (1): 56–73. doi : 10.14201/ADCAIJ2014385673 . ISSN  2255-2863.
  15. ^ "интеграция передачи маркера и решения проблем: подход с использованием распространяющейся активации для улучшения выбора при планировании". CRC Press . 1987-11-01 . Получено 30-11-2018 .
  16. ^ Херст, Грэм (1987-01-01). Семантическая интерпретация и разрешение неоднозначности. Cambridge University Press. ISBN 978-0521322034.
  17. ^ "Самообъяснение через семантическую аннотацию: обзор". ResearchGate . Получено 2018-11-30 .
  18. ^ Крестани, Фабио (1997). «Применение методов распространения активации в информационном поиске». Обзор искусственного интеллекта . 11 (6): 453–482. doi :10.1023/A:1006569829653. S2CID  14668203.