隨著人工智能領(lǐng)域在近年來(lái)的飛速發(fā)展,人們對(duì)于計(jì)算機(jī)理解自然語(yǔ)言的能力提出了嶄新的要求。而文本推理技術(shù)作為自然語(yǔ)言理解領(lǐng)域的研究基礎(chǔ),與信息檢索、信息抽取、自動(dòng)問(wèn)答、機(jī)器翻譯等諸多自然語(yǔ)言處理研究領(lǐng)域有著密不可分的聯(lián)系,也因此受到了世界各研究機(jī)構(gòu)與研究人員的廣泛關(guān)注。文本推理是對(duì)于兩段給定的自然語(yǔ)言文本,判斷出它們之間邏輯關(guān)系,包括邏輯蘊(yùn)涵、等價(jià)、獨(dú)立、矛盾。而目前最廣泛使用的用于解決文本推理問(wèn)題的方法是基于機(jī)器學(xué)習(xí)框架的文本推理技術(shù)。該方法通過(guò)不同的方式從自然語(yǔ)言文本中提取出各種不同層次的語(yǔ)法、語(yǔ)義特征,然后使用決策樹(shù)、KNN、SVM等機(jī)器學(xué)習(xí)方法進(jìn)行模型的訓(xùn)練,并最終使用分類的方法得到文本之間的邏輯關(guān)系�；跈C(jī)器學(xué)習(xí)框架的文本推理方法所面臨的一大難點(diǎn)在于特征表達(dá)方式的局限性。在自然語(yǔ)言中相同的詞在不同語(yǔ)境中可能代表不同的意思,相同的語(yǔ)義也可以通過(guò)不同的表達(dá)方式進(jìn)行表達(dá),而復(fù)雜的句法結(jié)構(gòu)更是可以使得相同的詞語(yǔ)通過(guò)不同的排列方式表達(dá)出完全不同的語(yǔ)義。這種自然語(yǔ)言的多樣性是基于機(jī)器學(xué)習(xí)的文本推理技術(shù)的特征表達(dá)方式所難以適應(yīng)的,也是文本推理問(wèn)題本身的最大難點(diǎn)。為了從一定程度上解決這種問(wèn)題,本... 

【文章來(lái)源】：復(fù)旦大學(xué)上海市 211工程院校 985工程院校 教育部直屬院校

【文章頁(yè)數(shù)】：60 頁(yè)

【學(xué)位級(jí)別】：碩士

【部分圖文】：

圖４．１基于馬爾可夫邏費(fèi)網(wǎng)的文本推理系統(tǒng)結(jié)構(gòu)??圖４．１給出了基于馬爾可夫邏輯網(wǎng)的文本推理系統(tǒng)結(jié)構(gòu)

正向推理和逆向推理雖然是兩個(gè)不同的分類，但是他們所代表的邏輯關(guān)系是??相同的，只有方向性的區(qū)別，因此這里作為同一種分類進(jìn)行分析。對(duì)于正向推理??分類和反向推理分類的評(píng)測(cè)結(jié)果如圖５．１、５．２和表５．７、５．８所示。??準(zhǔn)確率召回率Ｆｌ－ｍｅａｓｕｒｅ??ＦｕｄａｎＮＬＰ?０．６８７?０．７４７?０．７１６??ＭＬＮｓ?０．７０２?０．８７９?０．７８０??表５．８逆向推理評(píng)測(cè)結(jié)果??ｊ。。了?—?????：??。＇巧?＾??Ｑ?進(jìn)．?．?＇?琴；節(jié)＇古???????。？３＾??＇?＊???＾８——歌Ｐ??■?霸：．，醜化??Ｑ?７?－－扛？一＂一??－?漫釋．??—－．．．■■■——??■?ｒ?’?＇??：；０．６５?．１’?ＣＭ８?議片．；．：．＂?１?，??‘?徵?．Ｊ?Ｉ?Ｊ?１??ＯｆｓｃｓＤｎ?化；：扛！?Ｆ１?ＷＣ３?玄?ｕｒｅ??圖５．２逆向推理評(píng)測(cè)結(jié)果?＇??從評(píng)測(cè)結(jié)果可Ｌ：Ａ看化，對(duì)干推理關(guān)系來(lái)說(shuō)，基于巧爾可夫邏輯網(wǎng)的方法確實(shí)??相比巧統(tǒng)的方法巧比較大的優(yōu)巧。通過(guò)觀察ＦｕｄａｎＮＬＰ系統(tǒng)的統(tǒng)計(jì)數(shù)據(jù)我們發(fā)現(xiàn)，??有很多應(yīng)被標(biāo)記為推理關(guān)系的文本對(duì)被錯(cuò)誤的標(biāo)記為＂無(wú)關(guān)＂，這往往是因?yàn)楸??居語(yǔ)義特化的巧限性使得系統(tǒng)無(wú)法發(fā)現(xiàn)。然語(yǔ)言么間更深居的語(yǔ)義聯(lián)系。而基于??３９??

?＇??圖５．１正向推理評(píng)測(cè)結(jié)果??正向推理和逆向推理雖然是兩個(gè)不同的分類，但是他們所代表的邏輯關(guān)系是??相同的，只有方向性的區(qū)別，因此這里作為同一種分類進(jìn)行分析。對(duì)于正向推理??分類和反向推理分類的評(píng)測(cè)結(jié)果如圖５．１、５．２和表５．７、５．８所示。??準(zhǔn)確率召回率Ｆｌ－ｍｅａｓｕｒｅ??ＦｕｄａｎＮＬＰ?０．６８７?０．７４７?０．７１６??ＭＬＮｓ?０．７０２?０．８７９?０．７８０??表５．８逆向推理評(píng)測(cè)結(jié)果??ｊ。。了?—?????：??。＇巧?＾??Ｑ?進(jìn)．?．?＇?琴；節(jié)＇古???????。？３＾??＇?＊???＾８——歌Ｐ??■?霸：．，醜化??Ｑ?７?－－扛？一＂一??－?漫釋．??—－．．．■■■——??■?ｒ?’?＇??：；０．６５?．１’?ＣＭ８?議片．；．：．＂?１?，??‘?徵?．Ｊ?Ｉ?Ｊ?１??ＯｆｓｃｓＤｎ?化；：扛！?Ｆ１?ＷＣ３?玄?ｕｒｅ??圖５．２逆向推理評(píng)測(cè)結(jié)果?＇??從評(píng)測(cè)結(jié)果可Ｌ：Ａ看化，對(duì)干推理關(guān)系來(lái)說(shuō)，基于巧爾可夫邏輯網(wǎng)的方法確實(shí)??相比巧統(tǒng)的方法巧比較大的優(yōu)巧。通過(guò)觀察ＦｕｄａｎＮＬＰ系統(tǒng)的統(tǒng)計(jì)數(shù)據(jù)我們發(fā)現(xiàn)，??有很多應(yīng)被標(biāo)記為推理關(guān)系的文本對(duì)被錯(cuò)誤的標(biāo)記為＂無(wú)關(guān)＂


本文編號(hào)：3080713