PyTorchKR Papers

최신 논문

총 42편
태그·기간 등 상세 필터

카테고리 탐색

로그인 후 이 태그 구독

arXiv:1803.01165

Tag-Enhanced Tree-Structured Neural Networks for Implicit Discourse Relation Classification

Identifying implicit discourse relations between text spans is a challenging task because it requires understanding the meaning of the text. To tackle this task, recent studies have tried several deep learning methods but few of them exploited the syntactic information. In this work, we explore the idea of incorporating syntactic parse tree into neural networks. Specifically, we employ the Tree-LSTM model and Tree-GRU model, which are based on the tree structure, to encode the arguments in a relation. Moreover, we further leverage the constituent tags to control the semantic composition process in these tree-structured neural networks. Experimental results show that our method achieves state-of-the-art performance on PDTB corpus.

arXiv:2607.20451v1cs.CL

의미장 이론: 역사적 기원, 고차 상호작용, 및 안정화된 의미 추론

Semantic Field Theory: Historical Origin, Higher-Order Interaction, and Stabilized Semantic Inference

의미장 이론(Semantic Field Theory, SFT)은 언어 게임에 대한 강한 반형식주의적 해석에 대한 철학적 비판에서 출발하여, 어휘 의미론, 고차 합성, 안정화된 해석을 위한 제안된 계산 모델 클래스로 발전해 왔다. 본 논문은 그 발전 과정을 재구성하고, 계산언어학과 표현 학습에서 독립적으로 평가할 수 있도록 SFT에 더 명확한 수학적 핵을 부여한다. 핵심 제안은, 다루기 쉬운 수준의 언어 조직화가 의미장으로 표현된 어휘 표현, 해당 장들의 문맥적 변형, 토큰 부분집합에 정의된 상호작용 항, 의미 에너지 역학에 의해 지배되는 안정화를 통해 모델링될 수 있다는 것이다. 본 논문은 다섯 가지 형식적 요소를 기여한다. 첫째, 의미장 모델을 의미 공간, 어휘장 리프팅, 문맥 변형 맵, 상호작용 복합체, 해석 범함수로 구성된 튜플로 정의한다. 둘째, 곱셈적 장 상호작용이 명시적 중심, 정밀도, 호환성 인자를 갖는다는 것을 보이는 가우시안 곱 폐쇄 결과를 증명한다. 셋째, 부분집합 격자에 대한 Möbius 역변환을 사용하여 임의 차수의 기약적 의미 상호작용을 분리함으로써 세 단어 문제를 일반화한다. 넷째, 각 상호작용 차수에서 장 질량의 얼마나 많은 부분이 설명되는지를 측정하는 차수 스펙트럼을 도입한다. 다섯째, 안정화된 해석을 문장과 연관된 에너지 범함수의 최소화로 공식화하고, 존재, 하강, 안정성 조건을 제시한다. 소규모 계산 예제는 세 단어 summer day 삼중(triple)이 가우시안 의미장으로 어떻게 표현되고, Python으로 구현되며, 흐름도로 요약될 수 있는지 보여준다. 그 결과는 자연어 의미에 대한 완성된 이론이 아니며, 언어에 대한 사회적, 화용적, 규범적 설명을 대체하지 않는다.