Публикации по теме 'computational-linguistics'


НГ22. Вход и выход
Помимо сети общего назначения, содержащей приобретенные и врожденные знания, разум/мозг должен иметь каналы ввода/вывода для сенсорных и моторных функций. Каналы Модули Fodorian (упомянутые в NG20) предполагаются, хотя они не обязательно имеют архитектуру с концепциями и трехсторонними связями. В этом посте основное внимание уделяется интерфейсам между модулями и сетью общего назначения. Поэтому я предпочитаю «каналы» с более широким значением (возможно, включая релевантную физиологию..
1. Перевод текста.
Применение машинного перевода. Технологии и продукты машинного перевода используются во многих прикладных сценариях, таких как деловые поездки, туризм, поиск информации на разных языках и так далее. По объекту перевода различают письменный языковой перевод текста и разговорный языковой фонетический перевод. 3. другое приложение. Следует отметить, что из-за требований отображения и работы с содержанием документа структурированная информация структурированных документов часто..
ACL 2022  — будущее обработки естественного языка
Поскольку конференц-центр находится всего в нескольких шагах от офиса Cogito в Дублине, было бы грубо с нашей стороны не посетить 60-ю ежегодную конференцию Ассоциации вычислительной лингвистики (ACL) 2022 года. Область вычислительной лингвистики и обработки естественного языка продолжает оставаться испытательным полигоном для последних разработок в области машинного обучения на основе глубоких нейронных сетей, и исследования в этой области процветают. Мы выбрали несколько докладов,..
Обзор НЛТК
NLTK был первым, что я узнал об обработке естественного языка еще до того, как изучил Python. Это краткое изложение с высоты птичьего полета. Со временем я включу снимки кода и того, что он выводит. nltk. word_tokenize() даст вам список строк — токенов, появляющихся в переданном тексте. Это будет включать знаки препинания и не даст вам уникальных слов. nltk. pos_tag() выдаст вам список кортежей — первый элемент кортежа содержит слово, а второй — часть речи. Половина Twitter..
Использование POTATO для извлечения интерпретируемой информации
О Эта статья представляет собой введение в библиотеку POTATO . POTATO — это независимая от языка среда XAI (объяснимый искусственный интеллект) для извлечения и оценки интерпретируемых функций графа для любой задачи классификации в обработке естественного языка (NLP). Статья включает в себя: Краткое введение в основанные на правилах методы классификации текста Введение в определение шаблонов графов в POTATO Автоматическое изучение шаблонов Структура «человек в контуре» (HITL)..
Могут ли машины действительно думать?
Люди изучают язык посредством когнитивных процессов, поэтому овладение языком не требует таких же усердных усилий, как, скажем, обучение плаванию. Язык является средством взаимодействия с другими людьми, поэтому он связан с нашим взаимодействием с другими людьми и средой, в которой мы живем. Таким образом, спектр языков, которые мы можем использовать, зависит от нашей когнитивной способности воспринимать окружающую среду с точки зрения интеллектуального, эмоционального или физический..
Какая из нескольких различных реализаций систем машинного перевода лучше? Как меняется алгоритм или обучающие данные…
Какая из нескольких различных реализаций систем машинного перевода лучше? Как изменение алгоритма или изменение обучающих данных влияет на оценку производительности систем машинного перевода во время исследований и разработок систем машинного перевода? Чтобы ответить на эти вопросы, нам всем нужно установить стандарт производительности машинного перевода. Оценку машинного перевода можно разделить на метод ручной оценки и метод автоматической оценки. В любом случае качество перевода..