Основные понятия
ニューラルセマンティックパーシングでは、しばしば単語列をそのままシンボル概念として生成し、頻出する語義を選択する傾向がある。本研究では、語彙オントロジーの階層構造を活用し、概念の位置に基づく新しい複合的シンボル表現を提案する。この表現は、より豊かなセマンティック情報を提供し、解釈可能性を高める。
Аннотация
本研究では、極めて豊かで複雑な意味表現を用いる新しい「分類学的」セマンティックパーサーを提案し、従来の意味表現形式を使用するセマンティックパーサーと比較する。新しい評価指標と課題セットを用いて評価を行った結果、分類学的モデルは標準的な評価指標では従来モデルに若干劣るものの、未知の概念を扱う際には優れた性能を示すことが分かった。このことは、分散的意味と知識ベースの象徴的表現を組み合わせようとする計算意味論の研究にとって、非常に有望な結果である。
Статистика
従来のセマンティックパーサーは、しばしば単語列をそのままシンボル概念として生成し、頻出する語義を選択する傾向がある。
提案手法では、語彙オントロジーの階層構造を活用し、概念の位置に基づく新しい複合的シンボル表現を用いる。
分類学的モデルは標準的な評価指標では従来モデルに若干劣るものの、未知の概念を扱う際には優れた性能を示す。
Цитаты
"ニューラルネットワークは、その統計的性質から、トレーニングデータの分布外の概念を理解し生成することが困難である。"
"我々は、事前学習言語モデルが未知の単語や概念の意味を文脈の中で理解する能力を持っていると信じているが、現在使用されている意味表現形式がその能力を活用する障害となっている。"