論文の概要: Challenges Encountered in Turkish Natural Language Processing Studies
- arxiv url: http://arxiv.org/abs/2101.11436v1
- Date: Thu, 21 Jan 2021 08:30:33 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-21 17:40:42.268412
- Title: Challenges Encountered in Turkish Natural Language Processing Studies
- Title（参考訳）: トルコの自然言語処理研究における課題
- Authors: Kadir Tohma, Yakup Kutlu
- Abstract要約: 自然言語処理は、人工知能と言語学を組み合わせたコンピュータサイエンスの分野です。
本研究では,トルコ語の自然言語処理における興味深い特徴について述べる。
- 参考スコア（独自算出の注目度）: 1.52292571922932
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Natural language processing is a branch of computer science that combines
artificial intelligence with linguistics. It aims to analyze a language element
such as writing or speaking with software and convert it into information.
Considering that each language has its own grammatical rules and vocabulary
diversity, the complexity of the studies in this field is somewhat
understandable. For instance, Turkish is a very interesting language in many
ways. Examples of this are agglutinative word structure, consonant/vowel
harmony, a large number of productive derivational morphemes (practically
infinite vocabulary), derivation and syntactic relations, a complex emphasis on
vocabulary and phonological rules. In this study, the interesting features of
Turkish in terms of natural language processing are mentioned. In addition,
summary info about natural language processing techniques, systems and various
sources developed for Turkish are given.
- Abstract（参考訳）: 自然言語処理は、人工知能と言語学を組み合わせたコンピュータ科学の分野である。
ソフトウェアで書いたり話したりといった言語要素を分析し、それを情報に変換することを目的としている。
各言語には独自の文法規則と語彙の多様性があるので、この分野の研究の複雑さはある程度理解できる。
例えば、トルコ語は多くの点で非常に興味深い言語です。
例えば、凝集語構造、子音/母音調和、多くの生産的導出的形態素(実際には無限の語彙)、導出と構文の関係、語彙と音韻規則の複雑な強調などがある。
本研究では,トルコ語の自然言語処理における興味深い特徴について述べる。
また,トルコ語向けに開発された自然言語処理技術,システム,各種資料の要約情報も提供される。
関連論文リスト
- Linguistic Analysis using Paninian System of Sounds and Finite State
Machines [0.0]
音声言語の研究は、音韻学、形態学、文法を含む。
言語は根語、屈折言語、幹語に分類される。
これらすべての要因は、共通性と類似性を持つ語彙の形成と、言語間での区別と微妙な相違につながります。
論文 参考訳（メタデータ） (2023-01-29T15:22:10Z) - Language Models as Inductive Reasoners [141.32161860251864]
本稿では,自然言語の事実から自然言語規則を誘導するタスクを提案する。
自然言語を論理言語ではなく知識の表現として使用し、事前学習した言語モデルを「推論者」として使用します。
我々は、事前訓練された言語モデルが自然言語の事実から自然言語規則をいかに誘導できるかを、初めてかつ包括的な分析を行う。
論文 参考訳（メタデータ） (2022-12-21T11:12:14Z) - Categorical Tools for Natural Language Processing [0.0]
この論文は、圏論と計算言語学の間の翻訳を発展させている。
3章は構文、意味論、実践論を扱う。
結果として生じる関手モデルは、平衡が言語処理タスクの解であるようなゲームを形成するために構成することができる。
論文 参考訳（メタデータ） (2022-12-13T15:12:37Z) - Transparency Helps Reveal When Language Models Learn Meaning [71.96920839263457]
合成データを用いた体系的な実験により,すべての表現が文脈に依存しない意味を持つ言語では,自己回帰型とマスキング型の両方の言語モデルが,表現間の意味的関係をエミュレートする。
自然言語に目を向けると、特定の現象(参照不透明さ)による実験は、現在の言語モデルが自然言語の意味論をうまく表現していないという証拠を増大させる。
論文 参考訳（メタデータ） (2022-10-14T02:35:19Z) - AUTOLEX: An Automatic Framework for Linguistic Exploration [93.89709486642666]
本稿では言語学者による言語現象の簡潔な記述の発見と抽出を容易にするための自動フレームワークを提案する。
具体的には、この枠組みを用いて、形態的一致、ケースマーキング、単語順序の3つの現象について記述を抽出する。
本研究では,言語専門家の助けを借りて記述を評価し,人間の評価が不可能な場合に自動評価を行う手法を提案する。
論文 参考訳（メタデータ） (2022-03-25T20:37:30Z) - Linking Emergent and Natural Languages via Corpus Transfer [98.98724497178247]
創発言語と自然言語のコーパス転送によるリンクを確立する新しい方法を提案する。
このアプローチでは,言語モデリングとイメージキャプションという,2つの異なるタスクに対して,非自明な転送メリットを示す。
また,同一画像に基づく自然言語キャプションに創発的メッセージを翻訳することで,創発的言語の伝達可能性を予測する新しい指標を提案する。
論文 参考訳（メタデータ） (2022-03-24T21:24:54Z) - Towards Zero-shot Language Modeling [90.80124496312274]
人間の言語学習に誘導的に偏りを持つニューラルモデルを構築した。
類型的に多様な訓練言語のサンプルからこの分布を推測する。
我々は、保留言語に対する遠隔監視として、追加の言語固有の側情報を利用する。
論文 参考訳（メタデータ） (2021-08-06T23:49:18Z) - Machine learning approach of Japanese composition scoring and writing
aided system's design [0.0]
合成スコアシステムは、言語学習者を支援することができる。
何かを出力するプロセスにおいて、言語をリーン化するのです。
特に外国語学習者にとって、語彙内容と構文内容は、通常、彼らがより関心を持っているものである。
論文 参考訳（メタデータ） (2020-08-26T11:01:13Z) - Bridging Linguistic Typology and Multilingual Machine Translation with
Multi-View Language Representations [83.27475281544868]
特異ベクトル標準相関解析を用いて、各情報源からどのような情報が誘導されるかを調べる。
我々の表現は類型学を組み込み、言語関係と相関関係を強化する。
次に、多言語機械翻訳のための多視点言語ベクトル空間を利用して、競合する全体的な翻訳精度を実現する。
論文 参考訳（メタデータ） (2020-04-30T16:25:39Z) - Learning Music Helps You Read: Using Transfer to Study Linguistic
Structure in Language Models [27.91397366776451]
遅延構造(MIDI音楽またはJavaコード)上でのLSTMのトレーニングは、自然言語でのテストパフォーマンスを改善する。
語彙重なりに制御される自然言語間の移動実験により,試験言語におけるゼロショット性能は,訓練言語とタイプ的類似性に強く相関していることが示された。
論文 参考訳（メタデータ） (2020-04-30T06:24:03Z)
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。