Из Википедии, свободной энциклопедии
Перейти к навигации Перейти к поиску

Семантическое разложение представляет собой алгоритм , который расщепляет значения фраз и понятий в менее сложные понятия. [1] Результатом семантической декомпозиции является представление значения. Это представление можно использовать для задач, например, 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, когда слова объясняются другими словами. Он основан на теории смыслового текста . Теория смыслового текста используется в качестве теоретической лингвистической основы для описания значения понятий с другими понятиями.

Фон [ править ]

Учитывая, что ИИ по своей сути не имеет языка, он не может думать о значениях слов языка. Для появления сильного ИИ необходимо создать искусственное понятие смысла. [2] Сегодня ИИ способен уловить синтаксис языка для решения многих конкретных задач, но никогда не устанавливает значения слов этих языков и не может абстрагировать эти слова до понятий более высокого порядка [3]

Создание искусственного представления значения требует анализа того, что такое значение. Многие термины связаны со значением, включая семантику, прагматику, знание и понимание или смысл слова. [4] Каждый термин описывает определенный аспект значения и способствует множеству теорий, объясняющих, что такое значение. Эти теории нуждаются в дальнейшем анализе, чтобы разработать искусственное понятие значения, наиболее подходящее для нашего текущего уровня знаний.

Графические представления [ править ]

Абстрактный подход к тому, как представление знаний и рассуждения позволяют решить конкретную проблему (ответ) на данную проблему (вопросы).

Представление значения в виде графа - это один из двух способов, с помощью которых и искусственный интеллект, и лингвистический исследователь думают о значении ( коннекционистская точка зрения). Логики используют формальное представление значения, чтобы развить идею символического представления, тогда как логика описания описывает языки и значение символов. Это противоречие между «аккуратными» и «грязными» методами обсуждается с 1970-х годов. [5]

Исследования до сих пор определили семантические меры, а также устранение неоднозначности смысла слов (WSD) - дифференциацию значений слов - как основную проблему понимания языка. [6] Как среда, полная ИИ, WSD представляет собой ключевую проблему понимания естественного языка. [7] [8] Подходы ИИ, использующие рассуждения на основе знаний, создают понятие значения, объединяющее современное знание естественного значения с символической и коннекционистской формализацией значения для ИИ. Абстрактный подход показан на рисунке. Во-первых, коннекционистское представление знаний создается как семантическая сеть, состоящая из концептов и их отношений, которая служит основой для представления значения. [9][10] [11] [12]

Этот график построен на основе различных источников знаний, таких как WordNet , Wiktionary и BabelNET. Граф создается с помощью лексической декомпозиции, которая рекурсивно разбивает каждое понятие семантически на набор семантических простых чисел . [1] Штрихи взяты из теории природного семантического метаязыка , [13] , который был проанализирован на полезность в формальных языках. [14] При прохождении этого маркера графа [15] [16] [17] используется для создания динамической части значения, представляющего мысли. [18]Алгоритм передачи маркера, при котором символическая информация передается по отношениям от одного понятия к другому, использует интерпретацию узлов и ребер для направления своих маркеров. Модель интерпретации узлов и ребер - это символическое влияние определенных концепций.

В будущей работе созданное представление значения используется для построения эвристик и их оценки с помощью сопоставления возможностей и планирования агентов, чат-ботов или других приложений понимания естественного языка .

См. Также [ править ]

Ссылки [ править ]

  1. ^ a b Ример, Ник (30.07.2015). Справочник Рутледжа по семантике . Рутледж. ISBN 9781317412441.
  2. ^ Майкл, Лоизос (27.07.2015). «Поспешные выводы» . CEUR-WS.org: 43–49. Цитировать журнал требует |journal=( помощь )
  3. ^ Сова, Джон Ф. (2003). Представление знаний . Китай Машинный Пресс. ISBN 9787111121497.
  4. ^ Löbner, Себастьян (2015-05-19). Semantik: Eine Einführung (на немецком языке). Walter de Gruyter GmbH & Co KG. ISBN 9783110350906.
  5. ^ Минский, Марвин Л. (1991-06-15). «Логическое против аналогичного или символического против коннекциониста или аккуратного против неряшливого». Журнал AI . 12 (2): 34. DOI : 10,1609 / aimag.v12i2.894 . ISSN 2371-9621 . 
  6. ^ Устранение неоднозначности смысла слов - алгоритмы и приложения | Энеко Агирре | Springer .
  7. ^ Нэнси Ид и Жан Веронис. Введение в спецвыпуск по устранению неоднозначности смысла слова: современное состояние. Компьютерная лингвистика, 24 (1): 2-40, 1998.
  8. ^ Ямпольский, Роман. «AI-Complete, AI-Hard или AI-Easy: классификация проблем в искусственном» . Цитировать журнал требует |journal=( помощь )
  9. ^ Sycara, Katia; Клуш, Матиас; Уидофф, Сет; Лу, Цзяньго (1999-03-01). «Динамическое согласование услуг между агентами в открытых информационных средах». ACM SIGMOD Запись . 28 (1): 47–53. CiteSeerX 10.1.1.44.914 . DOI : 10.1145 / 309844.309895 . ISSN 0163-5808 . S2CID 10197051 .   
  10. ^ Дубы, Филиппа; тер Хофстеде, Артур Х.М.; Эдмонд, Дэвид (2003), «Возможности: описание того, что могут делать сервисы», конспект лекций по информатике , Springer Berlin Heidelberg, стр. 1–16, CiteSeerX 10.1.1.473.5321 , doi : 10.1007 / 978-3-540- 24593-3_1 , ISBN  9783540206811
  11. ^ Johannes Fähndrich est «Первое планирование поиска по составу услуг с использованием постепенно переопределяемых контекстно-зависимых эвристик». В Немецкой конференции Multiagent System Technologies, страницы 404-407, Springer Berlin Heidelberg, 2013 г.
  12. ^ Фэндрих, Йоханнес; Арндт, Себастьян; Albayrak, Сахин (2013), " На пути к Self-Объясняя агент", Тенденции практического применения агентов и мультиагентных систем , Springer International Publishing, стр 147-154,. Да : 10,1007 / 978-3-319-00563-8_18 , ISBN 9783319005621
  13. ^ Годдард, Клифф; Вежбицкая, Анна, ред. (1994). Семантические и лексические универсалии: теория и эмпирические данные . Амстердам: Беньямин.
  14. ^ Фэндрих, Йоханнес; Арндт, Себастьян; Албайрак, Сахин (2014-10-15). «Разложение формального языка на семантические числа» . ADCAIJ: Журнал «Достижения в области распределенных вычислений и искусственного интеллекта» . 3 (1): 56–73. DOI : 10,14201 / ADCAIJ2014385673 . ISSN 2255-2863 . 
  15. ^ «Интеграция прохождения маркера и решения проблем: расширяющийся подход к активации для улучшения выбора в планировании» . CRC Press . 1987-11-01 . Проверено 30 ноября 2018 .
  16. ^ Херст, Грэм (1987-01-01). Семантическая интерпретация и разрешение неоднозначности . Издательство Кембриджского университета. ISBN 978-0521322034.
  17. ^ «Самообъяснение через семантическую аннотацию: обзор» . ResearchGate . Проверено 30 ноября 2018 .
  18. ^ Крестани, Fabio (1997). «Применение методов активации распространения в поиске информации» . Обзор искусственного интеллекта . 11 (6): 453–482. DOI : 10,1023 / A: 1006569829653 . S2CID 14668203 . Проверено 30 ноября 2018 .