Character-based neural semantic parsing

Een nieuwe manier van semantisch ontleden door de computer

Mensen en computers spreken niet dezelfde taal. Het zou echter heel handig zijn als we wél in natuurlijke taal met computers zouden kunnen communiceren. In dat geval moet de computer taal niet zien als slechts een verzameling woorden, maar ook de diepere betekenis zien te begrijpen. Een manier om dit voor elkaar te krijgen is semantisch ontleden, of in andere woorden, het automatisch toekennen van een gestructureerde representatie van de betekenis aan iedere tekst. Dit soort representaties zijn gemakkelijker te begrijpen voor een computer. Er zijn een aantal onderzoeken die dit principe eerder hebben toegepast, maar die waren vaak afhankelijk van vooraf gedefinieerde regels, woordenlijsten en syntactische analyses. Dit maakt het algemene gebruik van deze methodes gecompliceerd.

Rik van Noord gebruikt in zijn proefschrift een algoritme dat kan leren om automatisch betekenisrepresentaties toe te kennen aan teksten, zonder gebruik te maken van dergelijke hulpmiddelen. Concreet gezien maakt hij gebruik van een kunstmatig neuraal netwerk dat een sequence-to-sequence model genoemd wordt, in een proces dat vaak wordt gekarakteriseerd als deep learning. Het venijn zit hem in de details, maar uit Van Noords onderzoek blijkt dat dit type algoritme inderdaad betekenisrepresentaties van hoge kwaliteit kan produceren, met betere prestaties dan de meer traditionele methodes. Een belangrijke bevinding van dit proefschrift is bovendien dat het vaak beter is om letters te gebruiken als representatie van de inputtekst, in plaats van woorden. Waarschijnlijk komt dit omdat de letters het model helpen in het omgaan met spelfouten, onbekende woorden en vervoegingen.

Proefschrift: http://hdl.handle.net/11370/6c04b3c9-cf7a-4b23-84cb-79303b21e8b8