Azərbaycanca AzərbaycancaБеларускі БеларускіDansk DanskDeutsch DeutschEspañola EspañolaFrançais FrançaisIndonesia IndonesiaItaliana Italiana日本語 日本語Қазақ ҚазақLietuvos LietuvosNederlands NederlandsPortuguês PortuguêsРусский Русскийසිංහල සිංහලแบบไทย แบบไทยTürkçe TürkçeУкраїнська Українська中國人 中國人United State United StateAfrikaans Afrikaans
Підтримка
www.wikidata.uk-ua.nina.az

Розумі ння приро дної мо ви РПМ англ natural language understanding NLU або інтерпретува ння приро дної мо ви англ natur

Розуміння природної мови

Розуміння природної мови

Розумі́ння приро́дної мо́ви, РПМ (англ. natural-language understanding, NLU) або інтерпретува́ння приро́дної мо́ви (англ. natural-language interpretation, NLI) — підтема обробки природної мови у штучнім інтелекті, що займається машинним [en]. Розуміння природної мови вважають AI-повною задачею.

Розуміння природної мови отримує значну комерційну увагу завдяки його застосуванням в автоматизованому міркуванні, машинному перекладі, питально-відповідних системах, збиранні новин, категоризуванні текстів, голосовому активуванні, архівуванні та великомасштабному змістовому аналізі.

Історія

Програма [en], написана 1964 року Деніелом Бобровим для докторської дисертації у МТІ, є однією з найперших відомих спроб розуміння природної мови за допомогою комп'ютера. Через вісім років після того, як Джон Маккарті запровадив термін «штучний інтелект», дисертація Боброва (під назвою «Введення даних природною мовою для комп'ютерної системи розв'язування задач») показала, як комп'ютер може розуміти прості дані природною мовою для розв'язування алгебричної задачі.

Через рік, 1965 року, Джозеф Вейценбаум з МТІ написав ELIZA — інтерактивну програму, яка вела діалог англійською на будь-яку тему, найпопулярнішою з яких була психотерапія. ELIZA працювала шляхом простого синтаксичного аналізу та заміни ключових слів на підготовані фрази, і Вайценбаум обійшов проблему надання програмі бази даних реальних знань та багатого лексикону. Проте ELIZA отримала дивовижну популярність як іграшковий проєкт, і її можливо розглядати як дуже ранню попередницю сучасних комерційних систем, на кшталт тих, що використовує Ask.com.

1969 року [en] зі Стенфордського університету представив [en] для розуміння природної мови. Цю модель, частково під впливом роботи [en], широко використовували студенти Скенка з Єльського університету, такі як [en], [en] та [en]].

1970 року [en] представив [en] (ATN) для подання природномовного вводу. Замість [en] ATN використовували еквівалентний набір скінченних автоматів, які викликали рекурсивно. ATN та їхній загальніший формат, що називають «узагальненою ATN», продовжували використовуватися протягом низки років.

1971 року Террі Виноград завершив написання SHRDLU для своєї докторської дисертації в МТІ. SHRDLU може розуміти прості англійські речення в обмеженому світі дитячих блоків, щоби спрямовувати роботизовану руку для переміщення предметів. Успішна демонстрація SHRDLU забезпечила значний імпульс для продовження досліджень у цій галузі. Виноград продовжував мати великий вплив у цій галузі після публікації його книги «Мова як пізнавальний процес». Пізніше в Стенфорді Виноград стане радником Ларрі Пейджа, який став співзасновником Google.

У 1970-х та 1980-х роках група з обробки природних мов в SRI International продовжувала дослідження та розробки в цій галузі. На основі цих досліджень було здійснено ряд комерційних проєктів, наприклад, 1982 року Ґері Гендрікс створив корпорацію Symantec, первинно як компанію для розробки природномовного інтерфейсу для запитів до баз даних на персональних комп'ютерах. Проте із появою керованих мишею графічних інтерфейсів користувача Symantec змінила напрямок. Приблизно в той же час було започатковано й низку інших комерційних проєктів, наприклад, Ларрі Р. Гаррісом з Artificial Intelligence Corporation, Роджером Скенком та його студентами з корпорації Cognitive Systems. 1983 року Майкл Даєр розробив у Єлі систему BORIS, яка мала схожість з роботами Роджера Скенка та В. Ґ. Ленерта.

Третє тисячоліття побачило впровадження систем, що використовують машинне навчання для класифікування тексту, таких як IBM Watson. Однак тривають дискусії щодо, скільки «розуміння» демонструють такі системи, наприклад, за словами Джона Серля, Ватсон навіть не розумів питань.

[en] і винахідник [en] підтримує цю оцінку. Опрацювання природної мови зробило прорив для підтримки продуктивності людини в сфері обслуговування та електронної комерції, але це стало в основному можливим завдяки звуженню сфери його застосування. Існують тисячі способів запитати щось людською мовою, які не відповідають традиційній обробці природної мови. «Вести змістовну розмову з машинами можливо лише тоді, коли ми поєднуємо кожне слово з правильним значенням, виходячи зі значень інших слів у реченні — так само, як це робить 3-річна дитина без здогадок» Теорія Патома [ 15 травня 2021 у Wayback Machine.]

Сфера застосування та контекст

Загальний термін «розуміння природної мови» можуть застосовувати до різноманітного набору комп'ютерних застосунків, починаючи від невеликих, відносно простих задач, таких як короткі команди, що видаються роботам, і закінчуючи дуже складними, такими як повне розуміння газетних статей або віршованих уривків. Багато реальних застосувань знаходяться між двома крайнощами, наприклад, класифікування текстів для автоматичного аналізу електронних листів та їх направлення до відповідного відділу корпорації не вимагає глибокого розуміння тексту, але має справу з набагато більшим словниковим запасом і різноманітнішим синтаксисом, ніж управління простими запитами до таблиць баз даних із фіксованими схемами.

Протягом багатьох років мали місце різні спроби обробки природномовних або англомовоподібних речень, поданих на комп'ютери, з різним ступенем складності. Деякі спроби не призвели до систем із глибоким розумінням, але допомогли загальній зручності користування такими системами. Наприклад, [en] спочатку розробив програму Vulcan з англомовоподібним синтаксисом, щоб імітувати англомовний комп'ютер у Зоряному шляху. Пізніше Vulcan стала системою [en], чий простий у використанні синтаксис із користю започаткував індустрію баз даних персональних комп'ютерів. Проте системи з простим у користуванні або англомовоподібним синтаксисом цілком відрізняються від систем, що використовують багатий лексикон і включають внутрішнє представлення (часто як логіку першого порядку) семантики речень природної мови.

Тож широта і глибина «розуміння», на які націлено систему, визначають як складність системи (й очікувані виклики), так і типи застосувань, з якими вона може мати справу. «Широта» системи вимірюється розмірами її словникового запасу та граматики. «Глибина» вимірюється ступенем того, наскільки її розуміння наближається до розуміння вільного носія мови. На найвужчому та найнеглибшому рівні, інтерпретатори англомовоподібних команд потребують мінімальної складності, але вони мають невеликий спектр застосувань. Вузькі, але глибокі системи досліджують і моделюють механізми розуміння, але вони все ще мають обмежене застосування. Системи, які намагаються зрозуміти зміст документа, наприклад, випуск новин, не просто узгоджуючи ключові слова, і судити про його придатність для користувача, є ширшими, та вимагають значної складності, але все ще є дещо неглибокими. Системи, що є як дуже широкими, так і дуже глибокими, виходять за рамки сучасного рівня техніки.

Складові та архітектура

Незалежно від використовуваного підходу, більшість систем розуміння природної мови мають спільні складові. Система потребує лексикону мови, синтаксичного аналізатора та правил граматики, щоби розбивати речення на внутрішнє представлення. Побудова багатого лексикону з відповідною онтологією вимагає значних зусиль, наприклад, лексикон WordNet вимагав багато людино-років зусиль.

Системі також потрібна семантична теорія для спрямовування розуміння. Інтерпретувальні здібності системи розуміння мови залежать від семантичної теорії, яку вона використовує. Конкурентні семантичні теорії мови мають конкретні компроміси у своїй придатності як основи автоматизованого комп'ютерного семантичного інтерпретування. Вони варіюються від [en] або [en] до використання прагматики для отримування значення з контексту. [en] перетворюють тексти природною мовою на формальні подання значення.

Розвинені програми розуміння природної мови також намагаються включити у свої рамки й логічне висновування. Як правило, це досягається відображенням похідного значення у набір тверджень у логіці предикатів, а потім застосуванням логічного виведення для досягнення висновків. Тому системи, засновані на функційних мовах, таких як Lisp, повинні включати підсистему для представлення логічних тверджень, тоді як логікоорієнтовані системи, такі як ті, що використовують мову Prolog, як правило, покладаються на розширення вбудованої системи логічного подання.

Управління контекстом у розумінні природної мови може створювати особливі виклики. Велика кількість прикладів та зустрічних прикладів призвела до різних підходів до формального моделювання контексту, кожен із яких має певні сильні та слабкі сторони.

Див. також

Примітки

  1. Шимко, Віталій (2019). Розуміння природної мови: методологічна концептуалізація. Psycholinguistics. 25 (1): 431—443. doi:10.31470/2309-1797-2019-25-1-431-443.
  2. Semaan, P. (2012). Natural Language Generation: An Overview [ 4 липня 2019 у Wayback Machine.]. Journal of Computer Science & Research (JCSCR)-ISSN, 50-57 (англ.)
  3. 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 [ 22 травня 2013 у Wayback Machine.] (англ.)
  4. Van Harmelen, Frank, Vladimir Lifschitz, and Bruce Porter, eds. Handbook of knowledge representation [ 6 червня 2021 у Wayback Machine.]. Vol. 1. Elsevier, 2008. (англ.)
  5. Macherey, Klaus, Franz Josef Och, and Hermann Ney. "Natural language understanding using statistical machine translation [ 2 грудня 2018 у Wayback Machine.]." Seventh European Conference on Speech Communication and Technology. 2001. (англ.)
  6. Hirschman, Lynette, and Robert Gaizauskas. "Natural language question answering: the view from here [ 27 жовтня 2018 у Wayback Machine.]." natural language engineering 7.4 (2001): 275-300. (англ.)
  7. American Association for Artificial Intelligence Brief History of AI [1] [ 10 березня 2010 у Wayback Machine.] (англ.)
  8. [en]'s PhD Thesis Natural Language Input for a Computer Problem Solving System [ 14 березня 2020 у Wayback Machine.]. (англ.)
  9. Machines who think by Pamela McCorduck 2004 page 286 (англ.)
  10. Russell, Stuart J.; Norvig, Peter (2003), Artificial Intelligence: A Modern Approach Prentice Hall, , http://aima.cs.berkeley.edu/ [ 28 лютого 2011 у Wayback Machine.], p. 19 (англ.)
  11. Computer Science Logo Style: Beyond programming by Brian Harvey 1997 page 278 (англ.)
  12. Weizenbaum, Joseph (1976). Computer power and human reason: from judgment to calculation W. H. Freeman and Company. pages 188-189 (англ.)
  13. [en], 1969, A conceptual dependency parser for natural language Proceedings of the 1969 conference on Computational linguistics, Sång-Säby, Sweden, pages 1-3 (англ.)
  14. Woods, William A (1970). «Transition Network Grammars for Natural Language Analysis». Communications of the ACM 13 (10): 591—606 [2] [ 15 червня 2010 у Wayback Machine.] (англ.)
  15. Artificial intelligence: critical concepts, Volume 1 by Ronald Chrisley, Sander Begeer 2000 page 89 (англ.)
  16. Terry Winograd's SHRDLU page at Stanford SHRDLU [ 17 серпня 2020 у Wayback Machine.] (англ.)
  17. Winograd, Terry (1983), Language as a Cognitive Process, Addison–Wesley, Reading, MA. (англ.)
  18. Larry R. Harris, Research at the Artificial Intelligence corp. ACM SIGART Bulletin, issue 79, January 1982 [3] (англ.)
  19. Inside case-based reasoning by Christopher K. Riesbeck, Roger C. Schank 1989 page xiii (англ.)
  20. In Depth Understanding: A Model of Integrated Process for Narrative Comprehension.. Michael g. Dyer. MIT Press. (англ.)
  21. Searle, John (23 February 2011). . Wall Street Journal. Архів оригіналу за 10 листопада 2021. Процитовано 29 травня 2021. (англ.)
  22. An approach to hierarchical email categorization by Peifeng Li et al. in Natural language processing and information systems edited by Zoubida Kedad, Nadira Lammari 2007 (англ.)
  23. [en], Nov 13, 1989, page 144 (англ.)
  24. [en], April 19, 1984, page 71 (англ.)
  25. Building Working Models of Full Natural-Language Understanding in Limited Pragmatic Domains by James Mason 2010 [4] [ 23 листопада 2020 у Wayback Machine.] (англ.)
  26. Mining the Web: discovering knowledge from hypertext data by Soumen Chakrabarti 2002 page 289 (англ.)
  27. 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. (англ.)
  28. Using computers in linguistics: a practical guide by John Lawler, Helen Aristar Dry 198 page 209 (англ.)
  29. Naive semantics for natural language understanding by Kathleen Dahlgren 1988 (англ.)
  30. Stochastically-based semantic analysis by Wolfgang Minker, [en], Joseph Mariani 1999 (англ.)
  31. Pragmatics and natural language understanding by Georgia M. Green 1996 (англ.)
  32. Wong, Yuk Wah, and [en]. "Learning for semantic parsing with statistical machine translation [ 3 червня 2021 у Wayback Machine.]." 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. (англ.)
  33. Natural Language Processing Prolog Programmers by M. Covington, 1994 (англ.)
  34. Natural language processing in Prolog by Gerald Gazdar, Christopher S. Mellish 1989 (англ.)
  35. Understanding language understanding by Ashwin Ram, Kenneth Moorman 1999 page 111 (англ.)
  36. Formal aspects of context by Pierre Bonzon et al 2000 (англ.)
  37. Programming with Natural Language Is Actually Going to Work—Wolfram Blog [ 2 лютого 2014 у Wayback Machine.] (англ.)
  38. Van Valin, Jr, Robert D. (PDF). Архів оригіналу (PDF) за 15 травня 2021. Процитовано 6 червня 2021. (англ.)
  39. Ball, John. . Pat.ai. Архів оригіналу за 3 червня 2021. Процитовано 6 червня 2021. (англ.)


Вікіпедія, Українська, Україна, книга, книги, бібліотека, стаття, читати, завантажити, безкоштовно, безкоштовно завантажити, mp3, відео, mp4, 3gp, jpg, jpeg, gif, png, малюнок, музика, пісня, фільм, книга, гра, ігри, мобільний, телефон, android, ios, apple, мобільний телефон, samsung, iphone, xiomi, xiaomi, redmi, honor, oppo, nokia, sonya, mi, ПК, web, Інтернет

Rozumi nnya priro dnoyi mo vi RPM angl natural language understanding NLU abo interpretuva nnya priro dnoyi mo vi angl natural language interpretation NLI pidtema obrobki prirodnoyi movi u shtuchnim intelekti sho zajmayetsya mashinnim en Rozuminnya prirodnoyi movi vvazhayut AI povnoyu zadacheyu Rozuminnya prirodnoyi movi otrimuye znachnu komercijnu uvagu zavdyaki jogo zastosuvannyam v avtomatizovanomu mirkuvanni mashinnomu perekladi pitalno vidpovidnih sistemah zbiranni novin kategorizuvanni tekstiv golosovomu aktivuvanni arhivuvanni ta velikomasshtabnomu zmistovomu analizi IstoriyaPrograma en napisana 1964 roku Denielom Bobrovim dlya doktorskoyi disertaciyi u MTI ye odniyeyu z najpershih vidomih sprob rozuminnya prirodnoyi movi za dopomogoyu komp yutera Cherez visim rokiv pislya togo yak Dzhon Makkarti zaprovadiv termin shtuchnij intelekt disertaciya Bobrova pid nazvoyu Vvedennya danih prirodnoyu movoyu dlya komp yuternoyi sistemi rozv yazuvannya zadach pokazala yak komp yuter mozhe rozumiti prosti dani prirodnoyu movoyu dlya rozv yazuvannya algebrichnoyi zadachi Cherez rik 1965 roku Dzhozef Vejcenbaum z MTI napisav ELIZA interaktivnu programu yaka vela dialog anglijskoyu na bud yaku temu najpopulyarnishoyu z yakih bula psihoterapiya ELIZA pracyuvala shlyahom prostogo sintaksichnogo analizu ta zamini klyuchovih sliv na pidgotovani frazi i Vajcenbaum obijshov problemu nadannya programi bazi danih realnih znan ta bagatogo leksikonu Prote ELIZA otrimala divovizhnu populyarnist yak igrashkovij proyekt i yiyi mozhlivo rozglyadati yak duzhe rannyu poperednicyu suchasnih komercijnih sistem na kshtalt tih sho vikoristovuye Ask com 1969 roku en zi Stenfordskogo universitetu predstaviv en dlya rozuminnya prirodnoyi movi Cyu model chastkovo pid vplivom roboti en shiroko vikoristovuvali studenti Skenka z Yelskogo universitetu taki yak en en ta en 1970 roku en predstaviv en ATN dlya podannya prirodnomovnogo vvodu Zamist en ATN vikoristovuvali ekvivalentnij nabir skinchennih avtomativ yaki viklikali rekursivno ATN ta yihnij zagalnishij format sho nazivayut uzagalnenoyu ATN prodovzhuvali vikoristovuvatisya protyagom nizki rokiv 1971 roku Terri Vinograd zavershiv napisannya SHRDLU dlya svoyeyi doktorskoyi disertaciyi v MTI SHRDLU mozhe rozumiti prosti anglijski rechennya v obmezhenomu sviti dityachih blokiv shobi spryamovuvati robotizovanu ruku dlya peremishennya predmetiv Uspishna demonstraciya SHRDLU zabezpechila znachnij impuls dlya prodovzhennya doslidzhen u cij galuzi Vinograd prodovzhuvav mati velikij vpliv u cij galuzi pislya publikaciyi jogo knigi Mova yak piznavalnij proces Piznishe v Stenfordi Vinograd stane radnikom Larri Pejdzha yakij stav spivzasnovnikom Google U 1970 h ta 1980 h rokah grupa z obrobki prirodnih mov v SRI International prodovzhuvala doslidzhennya ta rozrobki v cij galuzi Na osnovi cih doslidzhen bulo zdijsneno ryad komercijnih proyektiv napriklad 1982 roku Geri Gendriks stvoriv korporaciyu Symantec pervinno yak kompaniyu dlya rozrobki prirodnomovnogo interfejsu dlya zapitiv do baz danih na personalnih komp yuterah Prote iz poyavoyu kerovanih misheyu grafichnih interfejsiv koristuvacha Symantec zminila napryamok Priblizno v toj zhe chas bulo zapochatkovano j nizku inshih komercijnih proyektiv napriklad Larri R Garrisom z Artificial Intelligence Corporation Rodzherom Skenkom ta jogo studentami z korporaciyi Cognitive Systems 1983 roku Majkl Dayer rozrobiv u Yeli sistemu BORIS yaka mala shozhist z robotami Rodzhera Skenka ta V G Lenerta Tretye tisyacholittya pobachilo vprovadzhennya sistem sho vikoristovuyut mashinne navchannya dlya klasifikuvannya tekstu takih yak IBM Watson Odnak trivayut diskusiyi shodo skilki rozuminnya demonstruyut taki sistemi napriklad za slovami Dzhona Serlya Vatson navit ne rozumiv pitan en i vinahidnik en pidtrimuye cyu ocinku Opracyuvannya prirodnoyi movi zrobilo proriv dlya pidtrimki produktivnosti lyudini v sferi obslugovuvannya ta elektronnoyi komerciyi ale ce stalo v osnovnomu mozhlivim zavdyaki zvuzhennyu sferi jogo zastosuvannya Isnuyut tisyachi sposobiv zapitati shos lyudskoyu movoyu yaki ne vidpovidayut tradicijnij obrobci prirodnoyi movi Vesti zmistovnu rozmovu z mashinami mozhlivo lishe todi koli mi poyednuyemo kozhne slovo z pravilnim znachennyam vihodyachi zi znachen inshih sliv u rechenni tak samo yak ce robit 3 richna ditina bez zdogadok Teoriya Patoma 15 travnya 2021 u Wayback Machine Sfera zastosuvannya ta kontekstZagalnij termin rozuminnya prirodnoyi movi mozhut zastosovuvati do riznomanitnogo naboru komp yuternih zastosunkiv pochinayuchi vid nevelikih vidnosno prostih zadach takih yak korotki komandi sho vidayutsya robotam i zakinchuyuchi duzhe skladnimi takimi yak povne rozuminnya gazetnih statej abo virshovanih urivkiv Bagato realnih zastosuvan znahodyatsya mizh dvoma krajnoshami napriklad klasifikuvannya tekstiv dlya avtomatichnogo analizu elektronnih listiv ta yih napravlennya do vidpovidnogo viddilu korporaciyi ne vimagaye glibokogo rozuminnya tekstu ale maye spravu z nabagato bilshim slovnikovim zapasom i riznomanitnishim sintaksisom nizh upravlinnya prostimi zapitami do tablic baz danih iz fiksovanimi shemami Protyagom bagatoh rokiv mali misce rizni sprobi obrobki prirodnomovnih abo anglomovopodibnih rechen podanih na komp yuteri z riznim stupenem skladnosti Deyaki sprobi ne prizveli do sistem iz glibokim rozuminnyam ale dopomogli zagalnij zruchnosti koristuvannya takimi sistemami Napriklad en spochatku rozrobiv programu Vulcan z anglomovopodibnim sintaksisom shob imituvati anglomovnij komp yuter u Zoryanomu shlyahu Piznishe Vulcan stala sistemoyu en chij prostij u vikoristanni sintaksis iz koristyu zapochatkuvav industriyu baz danih personalnih komp yuteriv Prote sistemi z prostim u koristuvanni abo anglomovopodibnim sintaksisom cilkom vidriznyayutsya vid sistem sho vikoristovuyut bagatij leksikon i vklyuchayut vnutrishnye predstavlennya chasto yak logiku pershogo poryadku semantiki rechen prirodnoyi movi Tozh shirota i glibina rozuminnya na yaki nacileno sistemu viznachayut yak skladnist sistemi j ochikuvani vikliki tak i tipi zastosuvan z yakimi vona mozhe mati spravu Shirota sistemi vimiryuyetsya rozmirami yiyi slovnikovogo zapasu ta gramatiki Glibina vimiryuyetsya stupenem togo naskilki yiyi rozuminnya nablizhayetsya do rozuminnya vilnogo nosiya movi Na najvuzhchomu ta najneglibshomu rivni interpretatori anglomovopodibnih komand potrebuyut minimalnoyi skladnosti ale voni mayut nevelikij spektr zastosuvan Vuzki ale gliboki sistemi doslidzhuyut i modelyuyut mehanizmi rozuminnya ale voni vse she mayut obmezhene zastosuvannya Sistemi yaki namagayutsya zrozumiti zmist dokumenta napriklad vipusk novin ne prosto uzgodzhuyuchi klyuchovi slova i suditi pro jogo pridatnist dlya koristuvacha ye shirshimi ta vimagayut znachnoyi skladnosti ale vse she ye desho neglibokimi Sistemi sho ye yak duzhe shirokimi tak i duzhe glibokimi vihodyat za ramki suchasnogo rivnya tehniki Skladovi ta arhitekturaNezalezhno vid vikoristovuvanogo pidhodu bilshist sistem rozuminnya prirodnoyi movi mayut spilni skladovi Sistema potrebuye leksikonu movi sintaksichnogo analizatora ta pravil gramatiki shobi rozbivati rechennya na vnutrishnye predstavlennya Pobudova bagatogo leksikonu z vidpovidnoyu ontologiyeyu vimagaye znachnih zusil napriklad leksikon WordNet vimagav bagato lyudino rokiv zusil Sistemi takozh potribna semantichna teoriya dlya spryamovuvannya rozuminnya Interpretuvalni zdibnosti sistemi rozuminnya movi zalezhat vid semantichnoyi teoriyi yaku vona vikoristovuye Konkurentni semantichni teoriyi movi mayut konkretni kompromisi u svoyij pridatnosti yak osnovi avtomatizovanogo komp yuternogo semantichnogo interpretuvannya Voni variyuyutsya vid en abo en do vikoristannya pragmatiki dlya otrimuvannya znachennya z kontekstu en peretvoryuyut teksti prirodnoyu movoyu na formalni podannya znachennya Rozvineni programi rozuminnya prirodnoyi movi takozh namagayutsya vklyuchiti u svoyi ramki j logichne visnovuvannya Yak pravilo ce dosyagayetsya vidobrazhennyam pohidnogo znachennya u nabir tverdzhen u logici predikativ a potim zastosuvannyam logichnogo vivedennya dlya dosyagnennya visnovkiv Tomu sistemi zasnovani na funkcijnih movah takih yak Lisp povinni vklyuchati pidsistemu dlya predstavlennya logichnih tverdzhen todi yak logikooriyentovani sistemi taki yak ti sho vikoristovuyut movu Prolog yak pravilo pokladayutsya na rozshirennya vbudovanoyi sistemi logichnogo podannya Upravlinnya kontekstom u rozuminni prirodnoyi movi mozhe stvoryuvati osoblivi vikliki Velika kilkist prikladiv ta zustrichnih prikladiv prizvela do riznih pidhodiv do formalnogo modelyuvannya kontekstu kozhen iz yakih maye pevni silni ta slabki storoni Div takozh en Matematichna lingvistika en en en Vityaguvannya informaciyi Mathematica en en Siri WolframAlpha en Rozmichuvannya chastin movi Rozpiznavannya movlennyaPrimitkiShimko Vitalij 2019 Rozuminnya prirodnoyi movi metodologichna konceptualizaciya Psycholinguistics 25 1 431 443 doi 10 31470 2309 1797 2019 25 1 431 443 Semaan P 2012 Natural Language Generation An Overview 4 lipnya 2019 u Wayback Machine Journal of Computer Science amp Research JCSCR ISSN 50 57 angl 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 22 travnya 2013 u Wayback Machine angl Van Harmelen Frank Vladimir Lifschitz and Bruce Porter eds Handbook of knowledge representation 6 chervnya 2021 u Wayback Machine Vol 1 Elsevier 2008 angl Macherey Klaus Franz Josef Och and Hermann Ney Natural language understanding using statistical machine translation 2 grudnya 2018 u Wayback Machine Seventh European Conference on Speech Communication and Technology 2001 angl Hirschman Lynette and Robert Gaizauskas Natural language question answering the view from here 27 zhovtnya 2018 u Wayback Machine natural language engineering 7 4 2001 275 300 angl American Association for Artificial Intelligence Brief History of AI 1 10 bereznya 2010 u Wayback Machine angl en s PhD Thesis Natural Language Input for a Computer Problem Solving System 14 bereznya 2020 u Wayback Machine angl Machines who think by Pamela McCorduck 2004 ISBN 1 56881 205 1 page 286 angl Russell Stuart J Norvig Peter 2003 Artificial Intelligence A Modern Approach Prentice Hall ISBN 0 13 790395 2 http aima cs berkeley edu 28 lyutogo 2011 u Wayback Machine p 19 angl Computer Science Logo Style Beyond programming by Brian Harvey 1997 ISBN 0 262 58150 7 page 278 angl Weizenbaum Joseph 1976 Computer power and human reason from judgment to calculation W H Freeman and Company ISBN 0 7167 0463 3 pages 188 189 angl en 1969 A conceptual dependency parser for natural language Proceedings of the 1969 conference on Computational linguistics Sang Saby Sweden pages 1 3 angl Woods William A 1970 Transition Network Grammars for Natural Language Analysis Communications of the ACM 13 10 591 606 2 15 chervnya 2010 u Wayback Machine angl Artificial intelligence critical concepts Volume 1 by Ronald Chrisley Sander Begeer 2000 ISBN 0 415 19332 X page 89 angl Terry Winograd s SHRDLU page at Stanford SHRDLU 17 serpnya 2020 u Wayback Machine angl Winograd Terry 1983 Language as a Cognitive Process Addison Wesley Reading MA angl Larry R Harris Research at the Artificial Intelligence corp ACM SIGART Bulletin issue 79 January 1982 3 angl Inside case based reasoning by Christopher K Riesbeck Roger C Schank 1989 ISBN 0 89859 767 6 page xiii angl In Depth Understanding A Model of Integrated Process for Narrative Comprehension Michael g Dyer MIT Press ISBN 0 262 04073 5 angl Searle John 23 February 2011 Wall Street Journal Arhiv originalu za 10 listopada 2021 Procitovano 29 travnya 2021 angl An approach to hierarchical email categorization by Peifeng Li et al in Natural language processing and information systems edited by Zoubida Kedad Nadira Lammari 2007 ISBN 3 540 73350 7 angl en Nov 13 1989 page 144 angl en April 19 1984 page 71 angl Building Working Models of Full Natural Language Understanding in Limited Pragmatic Domains by James Mason 2010 4 23 listopada 2020 u Wayback Machine angl Mining the Web discovering knowledge from hypertext data by Soumen Chakrabarti 2002 ISBN 1 55860 754 4 page 289 angl 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 angl Using computers in linguistics a practical guide by John Lawler Helen Aristar Dry 198 ISBN 0 415 16792 2 page 209 angl Naive semantics for natural language understandingby Kathleen Dahlgren 1988 ISBN 0 89838 287 4 angl Stochastically based semantic analysis by Wolfgang Minker en Joseph Mariani 1999 ISBN 0 7923 8571 3 angl Pragmatics and natural language understanding by Georgia M Green 1996 ISBN 0 8058 2166 X angl Wong Yuk Wah and en Learning for semantic parsing with statistical machine translation 3 chervnya 2021 u Wayback Machine 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 angl Natural Language Processing Prolog Programmers by M Covington 1994 ISBN 0 13 629478 2 angl Natural language processing in Prolog by Gerald Gazdar Christopher S Mellish 1989 ISBN 0 201 18053 7 angl Understanding language understanding by Ashwin Ram Kenneth Moorman 1999 ISBN 0 262 18192 4 page 111 angl Formal aspects of context by Pierre Bonzon et al 2000 ISBN 0 7923 6350 7 angl Programming with Natural Language Is Actually Going to Work Wolfram Blog 2 lyutogo 2014 u Wayback Machine angl Van Valin Jr Robert D PDF Arhiv originalu PDF za 15 travnya 2021 Procitovano 6 chervnya 2021 angl Ball John Pat ai Arhiv originalu za 3 chervnya 2021 Procitovano 6 chervnya 2021 angl

Дата публікації:
Топ