ترغب بنشر مسار تعليمي؟ اضغط هنا

حول التعلم ويمثل المعنى الاجتماعي في NLP: منظور Sociolinguistic

On learning and representing social meaning in NLP: a sociolinguistic perspective

249   0   0   0.0 ( 0 )
 تاريخ النشر 2021
  مجال البحث الذكاء الاصناعي
والبحث باللغة English
 تمت اﻹضافة من قبل Shamra Editor




اسأل ChatGPT حول البحث

لقد حقق مجال NLP تقدما كبيرا في بناء تعويضات المعنى.ومع ذلك، تم تجاهل جانب مهم من المعنى اللغوي، والمعنى الاجتماعي، إلى حد كبير.نقدم مفهوم المعنى الاجتماعي ل NLP ومناقشة كيفية إبلاغ رؤى Sociolinguics بالعمل على التعلم في التمثيل في NLP.نحدد أيضا التحديات الرئيسية لهذا الخط الجديد من البحث.

المراجع المستخدمة
https://aclanthology.org/
قيم البحث

اقرأ أيضاً

الشبكات العصبية هي طريقة أحدثت لآلة التعلم للعديد من المشاكل في NLP.نجاحهم في الترجمة الآلية ومهام NLP الأخرى هي ظاهرة، لكن قابلية الترجمة الشفوية تحديا.نريد معرفة كيف تمثل الشبكات العصبية معنى.من أجل القيام بذلك، نقترح فحص توزيع المعنى في تمثيل المس احة المتجهة للكلمات في الشبكات العصبية المدربة لمهام NLP.علاوة على ذلك، نقترح النظر في نظريات المعنى المختلفة في فلسفة اللغة وإيجاد منهجية ستمكننا من توصيل هذه المجالات.
نادرا ما تعطي أنظمة NLP اعتبارا خاصا للأرقام الموجودة في النص.هذا يتناقض بشكل صارخ مع توافق الآراء في علم الأعصاب، في الدماغ، يتم تمثيل الأرقام بشكل مختلف عن الكلمات.نحن نقوم بترتيب أعمال NLP الأخيرة على الحساب في تصنيف شامل للتصنيف والأساليب.نقوم بف حص الفكرة الشخصية للعسمة في 7 مجموعات فرعية، مرتبة على طول الأبعاد: الحبيبية (التقريبي الدقيق التقريبي) والوحدات (مجردة مقابل مؤسسة).نقوم بتحليل الخيارات التمثيلية لا تعد ولا تحصى التي قامت بأكثر من عشرة أرقام منشورة سابقا وروائح الكشف.نتوضع أفضل الممارسات لتمثيل الأرقام في النص والتعبير عن رؤية للحساب الشمولي في NLP، تتألف من مفاضات التصميم وتقييم موحد.
أصبح تمثيل المعنى الملخص (AMR) شعبية لتمثيل معنى اللغة الطبيعية في هياكل الرسم البياني.ومع ذلك، لا يمثل AMR معلومات النطاق، مما يشكل مشكلة في التعبير الشامل وعلى وجه التحديد من أجل الاستدلالات من البيانات المنفذة.هذا هو الحال مع ما يسمى بتفسير إيجابي "من البيانات المنفذة، والتي يتم تحديد معنى إيجابي ضمني من خلال استنتاج تركيز النفي.في هذا العمل، يمكننا التحقيق في كيفية تمثيل التفسيرات الإيجابية المحتملة (PPIS) في عمرو.نقترح بنية AMR ذات دوافع منطقية ل PPIS التي تجعل تركيز النفي صريحا ورسم اقتراحا أوليا لمنهجية منهجية لتوليد هذه الهيكل التعبيري.
الاستعارة جزء لا غنى عنه من الإدراك البشري والاتصال اليومي.تم إجراء الكثير من الأبحاث توضيح معالجة الاستعارة في العقل / الدماغ والدور الذي يلعبه في التواصل.في السنوات الأخيرة، استفادت أنظمة تجهيز الاستعارة إلى حد كبير من هذه الدراسات، وكذلك التقدم ال سريع في التعلم العميق لمعالجة اللغة الطبيعية (NLP).توفر هذه الورقة مراجعة شاملة ومناقشة التطورات الأخيرة في معالجة الاستعارة الآلية، في ضوء النتائج حول استعارة في العقل واللغة والاتصالات، ومن منظور مهام NLP المصب.
يفترض العمل الحالي على تصنيف نطق الكراهية الآلي أن DataSet ثابتة ويتم تعريف الفصول الدراسية مسبقا.ومع ذلك، فإن مقدار البيانات في وسائل التواصل الاجتماعي يزيد كل يوم، وتتغير الموضوعات الساخنة بسرعة، مما يتطلب من المصنفين أن تكون قادرة على التكيف باستم رار مع البيانات الجديدة دون أن ننسى المعرفة المستفادة مسبقا.هذه القدرة، المشار إليها باسم التعلم مدى الحياة، أمر حاسم لتطبيق الكلمة الحقيقية من مصنف الكلاب الكراهية في وسائل التواصل الاجتماعي.في هذا العمل، نقترح التعلم مدى الحياة لتصنيف الكلام الكراهية على وسائل التواصل الاجتماعي.لتخفيف النسيان الكارثي، نقترح استخدام تعليم التمثيل التغيرات (VRL) جنبا إلى جنب مع وحدة الذاكرة المستندة إلى LB-Soinn (توازن الحركة النمو الذاتي التزايدي التزايدي).تجريبيا، نظهر أن الجمع بين التعلم التمثيل التغيرات ووحدة الذاكرة LB-Soinn يحقق أداء أفضل من تقنيات التعلم مدى الحياة المستخدمة بشكل شائع.

الأسئلة المقترحة

التعليقات
جاري جلب التعليقات جاري جلب التعليقات
سجل دخول لتتمكن من متابعة معايير البحث التي قمت باختيارها
mircosoft-partner

هل ترغب بارسال اشعارات عن اخر التحديثات في شمرا-اكاديميا