Înțelegerea limbajului natural
Înțelegerea limbajului natural sau interpretarea limbajului natural (ILN)[1] este un subdomeniu al prelucrării limbajului natural în inteligența artificială care se ocupă cu înțelegerea lecturii automate. Înțelegerea limbajului natural este considerată o problemă IA-completă.[2]
Acest domeniu prezintă un interes comercial considerabil, fapt datorat pontețialului aplicării acestuia în raționamentul automat,[3] traducerea automată,[4] sistemele de tip întrebare-răspuns,[5] colecționarea de știri, clasificarea documentelor, activare vocală, arhivare și analiza conținutului media pe scară largă.
Componente și arhitectură
[modificare | modificare sursă]Indiferent de abordarea utilizată, cele mai multe sisteme de înțelegere a limbajului natural împărtășesc unele componente comune. Un astfel de sistem are nevoie de un lexicon de limbă și de un parser și reguli gramaticale pentru a împărți textul în propoziții și pentru a le transforma mai departe într-o reprezentare internă. Construcția unui lexicon bogat cu o ontologie adecavtă necesită un efort semnificativ, așa cum se observă în cazul WordNet, unde au fost necesari mulți om-ani.[6]
Sistemul trebuie de asemenea să cunoască teorie semantică pentru a ghida înțelegerea. Capacitățile de interpretare a unui sistem de înțelegere a limbajului natural depind de teoria semantică folosită. Diversele teorii semantice ale limbii fac anumite compromisuri în adecvarea lor ca bază a interpretării semantice automate.[7] Acestea variază de la semantică naivă sau analiză semantică stocastică până la utilizarea pragmaticii pentru a deriva sensul din context.[8][9] Parserele semantice convertesc textele în limbaj natural în reprezentări formale ale sensului.[10]
Aplicațiile avansate de înțelegere a limbajului natural adaugă și un nivel de inferență logică. Acest lucru este în general obținut prin maparea sensului derivat la un set de afirmații logice de ordinul întâi, iar apoi folosesc deducția logică pentru a trage concluzii. Prin urmare, sistemele bazate pe limbaje funcționale, precum Lisp, necesită un subsistem pentru a reprezenta afirmații logice, în timp ce sistemele orientate pe logică, precum cele care folosesc limbajul Prolog, se bazează în general pe o extensie a reprezentării logice pre-existente.[11][12]
Manipularea contextului în înțelegerea limbajului natural poate prezenta provocări speciale. Varietatea de exemple și contra-exemple s-a concretizat în mai multe abordări de modelare formală a contextului, fiecare cu anumite puncte forte și slăbiciuni.[13][14]
Vezi și
[modificare | modificare sursă]- Semantică computațională
- Lingvistică computațională
- Teoria reprezentării discursului
- Prelucrare lingvistică de adâncime
- Istoria prelucrării limbajului natural
- Extragerea informațiilor
- Mathematica[15][16][17]
- Interfață cu utilizatorul în limbaj natural
- Recunoaștere vocală
Note
[modificare | modificare sursă]- ^ Semaan, P. (2012). Natural Language Generation: An Overview. Journal of Computer Science & Research (JCSCR)-ISSN, 50-57
- ^ Roman V. Yampolskiy. Turing Test as a Defining Feature of AI-Completeness . In Artificial Intelligence, Evolutionary Computation and Metaheuristics (AIECM) --In the footsteps of Alan Turing. Xin-She Yang (Ed.). pp. 3-17. (Chapter 1). Springer, London. 2013. http://cecs.louisville.edu/ry/TuringTestasaDefiningFeature04270003.pdf
- ^ Van Harmelen, Frank, Vladimir Lifschitz, and Bruce Porter, eds. Handbook of knowledge representation. Vol. 1. Elsevier, 2008.
- ^ Macherey, Klaus, Franz Josef Och, and Hermann Ney. "Natural language understanding using statistical machine translation." Seventh European Conference on Speech Communication and Technology. 2001.
- ^ Hirschman, Lynette, and Robert Gaizauskas. "Natural language question answering: the view from here." natural language engineering 7.4 (2001): 275-300.
- ^ G. A. Miller, R. Beckwith, C. D. Fellbaum, D. Gross, K. Miller. 1990. WordNet: An online lexical database. Int. J. Lexicograph. 3, 4, pp. 235-244.
- ^ Using computers in linguistics: a practical guide by John Lawler, Helen Aristar Dry 198 ISBN: 0-415-16792-2 page 209
- ^ Naive semantics for natural language understanding by Kathleen Dahlgren 1988 ISBN: 0-89838-287-4
- ^ Pragmatics and natural language understanding by Georgia M. Green 1996 ISBN: 0-8058-2166-X
- ^ Wong, Yuk Wah, and Raymond J. Mooney. "Learning for semantic parsing with statistical machine translation." Proceedings of the main conference on Human Language Technology Conference of the North American Chapter of the Association of Computational Linguistics. Association for Computational Linguistics, 2006.
- ^ Natural Language Processing Prolog Programmers by M. Covington, 1994 ISBN: 0-13-629478-2
- ^ Natural language processing in Prolog by Gerald Gazdar, Christopher S. Mellish 1989 ISBN: 0-201-18053-7
- ^ Understanding language understanding by Ashwin Ram, Kenneth Moorman 1999 ISBN: 0-262-18192-4 page 111
- ^ Formal aspects of context by Pierre Bonzon et al 2000 ISBN: 0-7923-6350-7
- ^ Programming with Natural Language Is Actually Going to Work—Wolfram Blog
- ^ Van Valin, Jr, Robert D. „From NLP to NLU” (PDF).
- ^ Ball, John. „multi-lingual NLU by Pat Inc”. Pat.ai.