論文の概要: New Approaches for Natural Language Understanding based on the Idea that
Natural Language encodes both Information and its Processing Procedures
- arxiv url: http://arxiv.org/abs/2010.12789v3
- Date: Tue, 12 Jan 2021 16:50:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-03 12:52:20.371284
- Title: New Approaches for Natural Language Understanding based on the Idea that
Natural Language encodes both Information and its Processing Procedures
- Title（参考訳）: 自然言語が情報と処理手順の両方を符号化するという考えに基づく自然言語理解の新しいアプローチ
- Authors: Limin Zhang
- Abstract要約: 本研究では,NLUの実用的,理論的基礎および研究手法について述べる。
また、人工知能(AI)領域における大規模かつ多種類の情報処理にも適用することができる。
- 参考スコア（独自算出の注目度）: 0.7868449549351486
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We must recognize that natural language is a way of information encoding, and
it encodes not only the information but also the procedures for how information
is processed. To understand natural language, the same as we conceive and
design computer languages, the first step is to separate information (or data)
and the processing procedures of information (or data). In natural language,
some processing procedures of data are encoded directly as the structure chunk
and the pointer chunk (this paper has reclassified lexical chunks as the data
chunk, structure chunk, and the pointer chunk); some processing procedures of
data imply in sentences structures; some requests of processing procedures are
expressed by information senders and processed by information receivers. For
the data parts, the classification encoding system of attribute information and
the information organization architecture (including constitutional structures
of information sets and the hierarchy between the information sets) were
discussed. In section 2, the theoretical part elaborated in section 2 has been
verified in examples and proofed that the studies in this paper have achieved
the goal of enabling machines to understand the information conveyed in the
dialogue. In section 4, the author summarizes the basic conditions of
"Understanding", rethinks what "Understanding" is and how to proceed. The study
in this paper provides a practical, theoretical basis and research methods for
NLU. It also can be applied in large-scale and multi-type information
processing in the artificial intelligence (AI) area.
- Abstract（参考訳）: 自然言語は情報エンコーディングの方法であり、情報だけでなく、情報がどのように処理されるかの手順もエンコードする必要がある。
自然言語を理解するには、コンピュータ言語を想像し設計するのと同じで、最初のステップは情報(またはデータ)と情報(またはデータ)の処理手順を分離することである。
自然言語では、データの処理手順を構造チャンクとポインタチャンクとして直接符号化する(この論文では、語彙チャンクをデータチャンク、構造チャンク、ポインタチャンクに再分類する)。
データ部分については属性情報の分類符号化システムと情報編成アーキテクチャ(情報集合の構成構造と情報集合の階層構造を含む)について論じた。
第2節では、第2節で詳述した理論的な部分が実例で検証され、本論文の研究では、機械が対話で伝達される情報を理解することを目標としている。
第4節では、"Understanding"の基本条件を要約し、"Understanding"とは何か、どのように進むべきかを再考する。
本研究では,NLUの実用的,理論的基礎および研究手法について述べる。
また、人工知能(AI)領域における大規模かつ多種類の情報処理にも適用することができる。
関連論文リスト
- Learning Phonotactics from Linguistic Informants [54.086544221761486]
本モデルでは,情報理論的なポリシーの1つに従って,データポイントを反復的に選択または合成する。
提案モデルでは,情報提供者を問う項目の選択に使用する情報理論のポリシーが,完全教師付きアプローチに匹敵する,あるいはそれ以上の効率性が得られることがわかった。
論文 参考訳（メタデータ） (2024-05-08T00:18:56Z) - An xAI Approach for Data-to-Text Processing with ASP [39.58317527488534]
本稿では,xAI要求に準拠するフレームワークを提案する。
テキスト記述は階層的に整理され、テキストがさらに詳細で豊かになるトップダウン構造になっている。
自然言語記述の構造の生成も論理規則によって管理される。
論文 参考訳（メタデータ） (2023-08-30T09:09:09Z) - Entity Identifier: A Natural Text Parsing-based Framework For Entity
Relation Extraction [0.0]
自然言語処理技術を用いて,要求記述から構造化情報を抽出する。
このプロセスを容易にするために,エンティティと関係情報を抽出するパイプラインを導入する。
また、我々のアプローチの有効性を評価するデータセットも作成します。
論文 参考訳（メタデータ） (2023-07-10T20:30:27Z) - Unified Text Structuralization with Instruction-tuned Language Models [28.869098023025753]
テキストから様々な構造を抽出する大規模言語モデル(LLM)を提案する。
実験により、様々な言語や知識のデータセット上で、言語モデルが他の最先端の手法と同等に動作できることが示されている。
論文 参考訳（メタデータ） (2023-03-27T07:39:05Z) - Benchmarking Language Models for Code Syntax Understanding [79.11525961219591]
事前学習された言語モデルは、自然言語処理とプログラム理解の両方において素晴らしい性能を示している。
本研究では,プログラムの構文構造を特定するための,最先端の事前訓練モデルの最初の徹底的なベンチマークを行う。
この結果から,既存のプログラミング言語の事前学習手法の限界が指摘され,構文構造をモデル化することの重要性が示唆された。
論文 参考訳（メタデータ） (2022-10-26T04:47:18Z) - Data-to-Value: An Evaluation-First Methodology for Natural Language
Projects [3.9378507882929554]
Data to Value"(D2V)は、ビッグデータテキスト分析プロジェクトのための新しい方法論である。
ビッグデータテキスト分析プロジェクトチームとトピック間の切断を避けるため、質問の詳細なカタログでガイドされている。
論文 参考訳（メタデータ） (2022-01-19T17:04:52Z) - Using Document Similarity Methods to create Parallel Datasets for Code
Translation [60.36392618065203]
あるプログラミング言語から別のプログラミング言語へのソースコードの翻訳は、重要で時間を要する作業です。
本稿では、文書類似性手法を用いて、ノイズの多い並列データセットを作成することを提案する。
これらのモデルは、妥当なレベルのノイズに対して、地上の真実に基づいて訓練されたモデルと相容れない性能を示す。
論文 参考訳（メタデータ） (2021-10-11T17:07:58Z) - How could Neural Networks understand Programs? [67.4217527949013]
ソースコードにnlpプリトレーニング技術を直接適用するか、あるいはtheshelfによってモデルに機能を追加するかで、プログラムをより理解するためのモデルを構築するのは難しい。
本研究では,(1)操作セマンティクスの基本操作とよく一致する表現と(2)環境遷移の情報からなる情報から,モデルが学ぶべき新しいプログラムセマンティクス学習パラダイムを提案する。
論文 参考訳（メタデータ） (2021-05-10T12:21:42Z) - Knowledge-Aware Procedural Text Understanding with Multi-Stage Training [110.93934567725826]
本稿では,このような文書の理解とプロセス中のエンティティの状態や場所の追跡を目的とした手続き的テキスト理解の課題に焦点をあてる。
常識的推論の難しさとデータ不足という2つの課題はまだ未解決のままである。
我々は、複数の外部知識を効果的に活用する、KnOwledge-Aware ProceduraL text understAnding (KOALA)モデルを提案する。
論文 参考訳（メタデータ） (2020-09-28T10:28:40Z) - Procedural Reading Comprehension with Attribute-Aware Context Flow [85.34405161075276]
手続き的なテキストは、しばしばエンティティの上で起こるプロセスを記述する。
本稿では,テキストを一般的な形式に翻訳することで,手続き的読解のためのアルゴリズムを提案する。
論文 参考訳（メタデータ） (2020-03-31T00:06:29Z) - A Hybrid Approach to Dependency Parsing: Combining Rules and Morphology
with Deep Learning [0.0]
本稿では,特に訓練データ量に制限のある言語に対して,依存関係解析の2つのアプローチを提案する。
第1のアプローチは、最先端のディープラーニングとルールベースのアプローチを組み合わせ、第2のアプローチは、形態情報をネットワークに組み込む。
提案手法はトルコ語向けに開発されたが、他の言語にも適用可能である。
論文 参考訳（メタデータ） (2020-02-24T08:34:33Z)
関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。
指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。