6895

بررسي كاربرد يادگيري عميق در تركيب‌پذيري معنايي زبان‌هاي طبيعي

98-99

دكتر مرتضي آنالويي

دكتر محمد طاهر پيله‌ور

تركيب‌پذيري معنايي در زبان طبيعي به اين معناست كه معني عبارات، تابعي از معني اجزاي خود باشند. به بيان عملياتي، در تركيب‌پذيري معنايي، مساله‌ي مورد نظر، مدلسازي معني بخش بزرگ‌تري از متن، با تركيب معاني اجزاي تشكيل دهنده‌ي آن است. با در نظر گرفتن مدلسازي بعنوان يادگيري بازنمايي، مساله‌ي اول بازنمايي معاني و مساله‌ي بعدي يادگيري اين بازنمايي است. بازنمايي هاي توزيع شده انتخاب مناسبي هستند از اين لحاظ كه مي‌توانند شباهت‌ها و روابط معنايي و نحوي بين كلمات را در بازنمايي برداري آن‌ها تعبيه كنند. اين بازنمايي‌ها مي‌توانند اطلاعات واگراي زباني (معنايي/نحوي و شباهت/ارتباط) را رمزنگاري كرده و اين رمزنگاري بايد به گونه اي باشد كه قابليت تركيب معاني را داشته باشد. براي تركيب، نياز به توابعي داريم كه بتوانند هر تابع دلخواهي را تخمين بزنند، با دنباله‌هاي با طول متغير كار كنند، وابستگي‌هاي برد بلند را در نظر بگيرند، به طور صريح يا ضمني ساختار را مدل كنند و توسط يك تابع هدف نظارتي يا غير نظارتي آموزش ببينند. مدل‌هاي يادگيري عميق مختلفي به اين منظور معرفي شده اند. تركيب‌پذيري توسط بسياري از پژوهشگران، يكي از اساسي ترين اجزاي هوشمندي و ادراك زبان در نظر گرفته شده است. تركيب‌پذيري يكي از بنيان‌هاي باروري مي‌باشد؛ به اين معنا كه تعداد بينهايتي از بازنمايي‌ها مي‌توانند از تعداد متناهي عناصر اوليه توليد شوند، به همان صورتي كه ذهن قادر به تفكر و توليد بي‌نهايت فكر است يا مي‌تواند مفاهيم جديدي را از يك فضاي نامتناهي مفاهيم ممكن فرابگيرد. شبكه‌هاي عميق حداقل‌هايي از مفهوم تركيب‌پذيري را دارند. بعنوان مثال شبكه‌هايي كه براي تشخيص اشيا آموزش داده مي‌شوند، در لايه‌هاي عميق‌تر خود ويژگي‌هاي را رمزنگاري مي‌كنند كه مي‌توان آن‌ها را اجزاي اشيا در نظر گرفت و به اين صورت معرفي اشيا جديد منجر به فعال‌سازي تركيبات جديدي از يابنده‌هاي ويژگي مي‌شود. بنابراين مي‌توان انتظار داشت كه بتوان با استفاده از شبكه‌هاي عميق مدل‌ها و بازنمايي‌هايي داشته باشيم كه تركيب‌پذيري معنايي در آن‌ها وجود داشته باشد.

11/11/2019 12:00:00 AM

66658

1398/10/01

تركيب‌پذيري معنايي , يادگيري عميق , بازنمايي‌هاي توزيع‌شده