Семантический анализ с CCG

1. Главная
2. Публикации
3. Учебник

Йоав Арци, Николас Фитцджеральд и Люк Зеттлемойер

Места проведения

• Конференция Ассоциации компьютерной лингвистики (ACL), 2013 г.
• Конференция по эмпирическим методам обработки естественного языка (EMNLP), 2014 г.
• Конференция по искусственному интеллекту (AAAI), 2015 г.

Посмотрите это справочное видео на YouTube, чтобы узнать, как просмотреть обучающее видео в ускоренном режиме.

Семантические синтаксические анализаторы сопоставляют предложения естественного языка с формальными представлениями их основного значения. Создание точных семантических синтаксических анализаторов без непомерно высоких инженерных затрат является давней открытой исследовательской проблемой.

В учебнике будут описаны общие принципы построения семантических парсеров. Презентация будет разделена на две основные части: моделирование и обучение. Раздел моделирования будет включать в себя лучшие практики для разработки грамматики и выбора семантического представления.

Идеи, которые мы обсудим, широко применимы. Подход семантического моделирования, реализованный в $\lambda$-исчислении, может быть применен ко многим другим формальным языкам. Точно так же алгоритмы для создания CCG сосредоточены на задачах, не зависящих от формализма, на изучении значения слов и оценке параметров синтаксического анализа.

Разделы

1. Введение Видео слайды
2. Обзор и сопутствующие рабочие видеоролики
3. Введение в CCG
   1. $\lambda$-исчисление Видео слайды
   2. CCG
      1. Основные видео слайды
      2. Композиция и многое другое Видео слайды
      3. Видео слайды Factored Lexicons
4. Обучающие видео слайды
   1. Структурированные видео слайды перцептрона
   2. Слайды видео об унифицированном алгоритме обучения
   3. Обучающие видео-слайды под наблюдением
      1. Видео слайды GENLEX на основе шаблонов
      2. GENLEX
      на основе унификации
   4. Обучающие видео-слайды со слабым контролем
5. Моделирование
   1. Вопросы для запросов к базе данных
   2. Множественность и разрешение определителя в заземленных приложениях
   3. Семантика событий и императивы в языке обучения
6. В ожидании

Когнитивный подход к парсингу с помощью нейронных сетей -ORCA

Муралидаран, Вигнешваран, Спасич, Ирена ORCID: https://orcid. org/0000-0002-8132-3885 и Рыцарь, Доун ORCID: https://orcid.org/0000-0002-4745-6502 2020. Когнитивный подход к парсингу с помощью нейронных сетей. Представлено на: Международная конференция по статистическому языку и обработке речи (SLSP) , Кардифф, Великобритания, 14–16 октября 2020 г. Статистический язык и обработка речи. Конспект лекций по информатике. , том 12379 Спрингер Верлаг, стр. 71-84. 10.1007/978-3-030-59430-5_6

Полный текст не доступен из этого источника.

Официальный URL: http://dx.doi.org/10.1007/978-3-030-59430-5_6

Согласно теории когнитивной грамматики (CG), общая структура естественного языка мотивируется относительно небольшим набор независимых от предметной области когнитивных способностей. В этой статье мы опираемся на идеи CG, чтобы предложить подход к анализу естественного языка с небольшими синтаксическими аннотациями. Предложение функционирует как связное целое, потому что его части содержательно связаны. Мы предлагаем анализировать каждую часть предложения по трем осям: состав, взаимодействие и автономия. Когда два выражения семантически соответствуют по всем трем осям, мы называем их связанными. Мы представляем алгоритм, который последовательно считывает части предложений, распознает схемы их построения по трем осям, собирает любые двухкомпонентные схемы в одну составную схему, если они связны, анализирует фрагмент текста как постепенно последовательную сборку компонентов в составные части, сохраняет множественные выполнение синтаксического анализа в диапазоне и выбор лучшего синтаксического анализа. Определения базовой схемы построения и их шаблоны сборки реализованы как словарь-вместе-правила, потому что их меньше, они в значительной степени независимы от языка и могут быть расширены для обработки вариаций, зависящих от языка.