تفکیک معناشناسی و نحو در بازنمایی جملات

5.1 تفکیک معناشناسی و نحو در بازنمایی جملات

5.1.1 مقدمه

از آنجایی که مدل‌های متغیر پنهان مولد، به‌ویژه انواع پیوسته (کینگما و ولینگ، 2014؛ گودفلو و همکاران، 2014)، اهمیت فزاینده‌ای در پردازش زبان طبیعی پیدا کرده‌اند (بومن و همکاران، 2016؛ گلرجانی و همکاران، 2017). علاقه به مدل‌های یادگیری که در آن بازنمایی‌های نهفته از هم گسیخته می‌شوند، افزایش یافته است (هو و همکاران، 2017). بسیاری از کارهای اخیر NLP در یادگیری بازنمایی‌های جداشده از متن بر جدا کردن بازنمایی ویژگی‌هایی مانند احساسات از بازنمایی محتوا متمرکز شده است، معمولاً در تلاش برای کنترل بهتر تولید متن (شن و همکاران، 2017a؛ ژائو و همکاران. ، 2017؛ فو و همکاران، 2018).

در این کار، ما در عوض بر یادگیری بازنمایی جملاتی تمرکز می‌کنیم که نحو و معنای یک جمله را از هم جدا می‌کنند. علاوه بر این، ما علاقه مندیم که این بازنمایی ها را نه به منظور کنترل تولید، بلکه به منظور محاسبه شباهت معنایی یا نحوی بین جملات (اما نه هر دو) از هم جدا کنیم. برای این منظور، ما یک مدل تولیدی از یک جمله را پیشنهاد می‌کنیم که از متغیرهای نهفته معنایی و نحوی استفاده می‌کند و نمایش‌های القایی را در هر دو معنایی استاندارد ارزیابی می‌کنیم.

Source link