Procesamiento natural del lenguaje
La versión actual de la página aún no ha sido revisada por colaboradores experimentados y puede diferir significativamente de la versión revisada el 23 de diciembre de 2019; las comprobaciones requieren 15 ediciones .El Procesamiento del Lenguaje Natural ( PNL ) es un área general de la inteligencia artificial y la lingüística matemática . Estudia los problemas de análisis y síntesis por ordenador de textos en lenguajes naturales . En relación a la inteligencia artificial, análisis significa comprender el lenguaje, y síntesis significa generar texto alfabetizado .
Tareas y limitaciones
Teóricamente, construir una interfaz de lenguaje natural para computadoras es un objetivo muy atractivo. Los primeros sistemas como SHRDLU , que trabajaban con un "mundo de bloques" limitado y usaban un vocabulario limitado, se veían extremadamente bien, inspirando a sus creadores. Sin embargo, el optimismo se desvaneció rápidamente cuando estos sistemas se enfrentaron a la complejidad y ambigüedad del mundo real.
La comprensión del lenguaje natural a veces se considera[ quien? ] La IA es una tarea completa, porque el reconocimiento de un idioma vivo requiere un gran conocimiento del sistema sobre el mundo que nos rodea y la capacidad de interactuar con él. La propia definición del significado de la palabra “ comprender ” es una de las principales tareas de la inteligencia artificial. .
Dificultades en la comprensión
En ruso
La calidad de la comprensión depende de muchos factores: el idioma, la cultura nacional, el propio interlocutor, etc. A continuación se muestran algunos ejemplos de las dificultades a las que se enfrentan los sistemas de comprensión de textos.
- Dificultades con las anáforas iniciales (reconociendo lo que significa usar pronombres): las oraciones "Les dimos los plátanos a los monos porque tenían hambre" y "Les dimos los plátanos a los monos porque estaban demasiado maduros" tienen una estructura sintáctica similar. En uno de ellos , el pronombre ellos se refiere a monos, y en el otro, a plátanos. La comprensión correcta depende del conocimiento que tenga la computadora de lo que pueden ser las bananas y los monos.
- El orden libre de las palabras puede conducir a una interpretación completamente diferente de la frase: "El ser determina la conciencia": ¿qué determina qué?
- En ruso, el orden libre se compensa con morfología avanzada , palabras funcionales y signos de puntuación , pero en la mayoría de los casos, esto presenta un problema adicional para una computadora.
- Los neologismos se pueden encontrar en el habla , por ejemplo, el verbo "Cincuenta rublos", es decir, enviar 50 rublos. El sistema debe poder distinguir tales casos de errores tipográficos y comprenderlos correctamente.
- La comprensión correcta de los homónimos es otro problema. En el reconocimiento de voz , entre otros, surge el problema de los homónimos fonéticos. En la frase " Un lobo gris se encontró con un zorro rojo en un bosque profundo " Las palabras resaltadas se escuchan de la misma manera, y sin saber quién es sordo y quién es rojo, no se puede hacer (además de que el zorro puede ser rojo y el bosque puede ser sordo, el bosque también puede ser rojo (característico, en este caso denotando el color predominante del follaje en el bosque), mientras que el zorro puede ser sordo, lo que crea un problema adicional derivado del anterior, aunque se compensa en parte por la morfología (los adjetivos en esta oración tienen un género claramente diferente).
Clasificación de tareas
Problemas populares: [1] [2] [3]
Tareas de análisis y síntesis en el complejo:
- Traducción automática
- Resumen automático , anotación o simplificación de texto
Clasificación general:
- Categorización de texto
- Clasificación de secuencias de caracteres
- Reconocimiento de entidad nombrada
- Definición de partes del discurso de las palabras.
- Reconocimiento de frases
- Extraer información del texto
- anotación de sintaxis
- anotación semántica
- Generación de texto
- Generación de texto basada en voz reconocida
- Traducción automática
- Generalización del texto
Software
- AlchemyAPI
- Sistema Experto SpA
- Arquitectura general para ingeniería de texto (GATE)
- Marco modular de reconocimiento de audio
- MontyLingua
- Kit de herramientas de lenguaje natural (NLTK)
Véase también
Notas
- ↑ Shervin Minaee, Nal Kalchbrenner, Erik Cambria, Narjes Nikzad, Meysam Chenaghlu. Clasificación de texto basada en aprendizaje profundo: una revisión completa // arXiv: 2004.03705 [cs, stat]. — 2020-04-05. Archivado desde el original el 24 de junio de 2020.
- ↑ Tom Young, Devamanyu Hazarika, Soujanya Poria, Erik Cambria. Tendencias recientes en el procesamiento del lenguaje natural basado en el aprendizaje profundo // arXiv:1708.02709 [cs]. — 2018-11-24. Archivado el 6 de mayo de 2020.
- ↑ prof . Jason Eisner. Curso de Procesamiento Automático de Textos (Inglés) ? . Consultado el 7 de mayo de 2020. Archivado desde el original el 13 de mayo de 2020.
Enlaces
 diccionarios y enciclopedias | |
|---|---|
| En catálogos bibliográficos |
|