意味分解（自然言語処理）

意味分解とは、フレーズや概念の意味をより複雑でない概念に分解するアルゴリズムです。[1]意味分解の結果は意味の表現です。この表現は、人工知能や機械学習に関連するタスクなどに使用できます。意味分解は、自然言語処理アプリケーション で一般的です

意味分解の基本的な考え方は、成人の学習スキル、つまり単語を別の単語で説明するスキルに由来しています。これは意味テキスト理論に基づいています。意味テキスト理論は、概念の意味を他の概念を用いて記述するための理論的な言語的枠組みとして用いられます。

背景

AIは本質的に言語を持たないため、言語の単語の背後にある意味を考えることができません。強いAIが出現するためには、意味という人工的な概念を構築する必要があります。[2]

意味の人工的な表現を作り出すには、意味とは何かを分析する必要があります。意味論、語用論、知識と理解、語義など、意味に関連する用語は数多くあります。[3]それぞれの用語は意味の特定の側面を記述し、意味とは何かを説明する多くの理論に貢献しています。これらの理論は、現在の知識水準に最も適合する人工的な意味の概念を構築するために、さらに分析する必要があります。

グラフ表現

知識表現と推論が、与えられた問題（質問）に対して、問題固有の解決策（答え）をどのように可能にするかについての抽象的なアプローチ

意味をグラフとして表現することは、AI認知と言語研究者が意味について考える二つの方法のうちの一つです（コネクショニスト的見解）。論理学者は意味の形式的表現を用いて記号表現の概念を構築しますが、記述論理は言語と記号の意味を記述します。この「整然とした」手法と「粗雑な」手法の間の論争は、1970年代から議論されてきました。[4]

これまでの研究では、意味的尺度とそれに伴う語義の曖昧性解消（WSD）、すなわち語の意味の差異化が言語理解の主な問題として特定されてきました。[5] AIが完全な環境であるWSDは、自然言語理解の中核的な問題です。[6] [7]知識付与型推論を使用するAIアプローチは、自然な意味に関する最先端の知識とAIのための記号的かつコネクショニスト的な意味の形式化を組み合わせた意味の概念を作り出します。この抽象的なアプローチを図に示します。まず、概念とその関係からなる意味ネットワークとしてコネクショニスト知識表現が作成され、これが意味表現の基礎となります。[8] [9] [10] [11]

このグラフは、 WordNet、Wiktionary、BabelNETなどのさまざまな知識ソースから構築されています。グラフは、各概念を意味的に一連の意味素数に再帰的に分解する語彙分解によって作成されます。[1]素数は、形式言語での有用性が分析されている自然意味メタ言語の理論から取得されています。[ 13 ]このグラフ上で、マーカーパッシング[14] [15] [16]を使用して、思考を表す意味の動的な部分が作成されます。[17]記号情報が関係に沿って1つの概念から別の概念に渡されるマーカーパッシングアルゴリズムでは、ノードとエッジの解釈を使用してマーカーを誘導します。ノードとエッジの解釈モデルは、特定の概念の記号の影響です。

今後の研究では、作成された意味の表現を使用してヒューリスティックを構築し、能力のマッチングとエージェント計画、チャットボット、またはその他の自然言語理解のアプリケーションを通じてそれを評価します。

参照

参考文献

  1. ^ ab ニック・リーマー (2015年7月30日). 『ラウトレッジ・ハンドブック・オブ・セマンティクス』ラウトレッジ. ISBN 9781317412441。
  2. ^ Michael, Loizos (2015年7 月27日). 「結論への飛躍」CEUR-WS.org: 43–49 {{cite journal}}:ジャーナルを引用するには|journal=（ヘルプ）が必要です
  3. ^ セバスティアン、レーブナー (2015-05-19)。意味: Eine Einführung (ドイツ語)。 Walter de Gruyter GmbH & Co KG。ISBN 9783110350906。
  4. ^ ミンスキー、マーヴィン・L. (1991年6月15日). 「論理的 vs. 類推的、象徴的 vs. コネクショニスト、またはきちんとした vs. みすぼらしい」. AIマガジン. 12 (2): 34. doi :10.1609/aimag.v12i2.894. ISSN  2371-9621
  5. ^ 単語の意味の曖昧さ回避 - アルゴリズムとアプリケーション | Eneko Agirre | Springer。
  6. ^ ナンシー・アイデとジャン・ヴェロニス. 語義曖昧性解消特集号への序論：最先端技術. 計算言語学, 24(1):2-40, 1998
  7. ^ Yampolskiy, Roman (2011年1月). 「AI完全、AI困難、それともAI容易：人工知能における問題の分類」 {{cite journal}}:ジャーナルを引用するには|journal=（ヘルプ）が必要です
  8. ^ Sycara, Katia; Klusch, Matthias; Widoff, Seth; Lu, Jianguo (1999-03-01). 「オープン情報環境におけるエージェント間の動的サービスマッチメイキング」ACM SIGMOD Record . 28 (1): 47– 53. CiteSeerX 10.1.1.44.914 . doi :10.1145/309844.309895. ISSN  0163-5808. S2CID  10197051. 
  9. ^ Oaks, Phillipa; ter Hofstede, Arthur HM; Edmond, David (2003)、「Capabilities: Describing What Services Can do」、Service-Oriented Computing - ICSOC 2003、Lecture Notes in Computer Science、vol. 2910、Springer Berlin Heidelberg、pp.  1– 16、CiteSeerX 10.1.1.473.5321、doi :10.1007/978-3-540-24593-3_1、ISBN  9783540206811、S2CID  11524526
  10. ^ ヨハネス・フェンドリヒ著「漸進的に再定義されたコンテキスト依存型ヒューリスティックを用いたサービス構成の初探索計画」。ドイツ会議マルチエージェントシステムテクノロジー、404～407ページ、シュプリンガー・ベルリン・ハイデルベルク、2013年
  11. ^ Fähndrich, Johannes; Ahrndt, Sebastian; Albayrak, Sahin (2013)、「自己説明エージェントに向けて」、エージェントとマルチエージェントシステムの実用化の動向、Advances in Intelligent Systems and Computing、vol. 221、Springer International Publishing、pp.  147– 154、doi :10.1007/978-3-319-00563-8_18、ISBN 9783319005621
  12. ^ ゴダード、クリフ、ヴィエルズビッカ、アンナ編 (1994). 『意味と語彙の普遍性：理論と実証的知見』アムステルダム：ベンジャミンズ
  13. ^ Fähndrich, Johannes; Ahrndt, Sebastian; Albayrak, Sahin (2014-10-15). 「形式言語の意味素への分解」. Advances in Distributed Computing and Artificial Intelligence Journal . 3 (1): 56– 73. doi : 10.14201/ADCAIJ2014385673 . ISSN  2255-2863.
  14. ^ 「マーカーパッシングと問題解決の統合：計画における選択の改善に向けた活性化拡散アプローチ」CRCプレス。1987年11月1日。 2018年11月30日閲覧。
  15. ^ ハースト、グレアム（1987年1月1日）『意味解釈と曖昧さの解決』ケンブリッジ大学出版局、ISBN 978-0521322034。
  16. ^ 「セマンティック・アノテーションによる自己説明：サーベイ」ResearchGate 。2018年11月30日閲覧
  17. ^ Crestani, Fabio (1997). 「情報検索における拡散活性化技術の応用」.人工知能レビュー. 11 (6): 453– 482. doi :10.1023/A:1006569829653. S2CID  14668203.
「https://en.wikipedia.org/w/index.php?title=Semantic_decomposition_(natural_language_processing)&oldid=1298174890」より取得