基于词计算方法在多人与单人系统中的实证研析
人工智能
2020-05-01 v1
摘要
词计算（CWW）已成为处理语言信息（尤其是人类生成的语言信息）的有力工具。自 CWW 诞生以来出现了多种 CWW 方法，如感知计算、基于扩展原理的 CWW 方法、基于符号方法的 CWW 方法以及基于 2-元组的 CWW 方法。此外，感知计算可使用区间方法（IA）、增强区间方法（EIA）或 Hao-Mendel 方法（HMA）进行数据处理。已有大量工作表明 HMA 在词建模上优于 EIA，而 EIA 优于 IA。但对这些工作的深入研究发现，HMA 捕获的模糊性少于 EIA 或 IA。因此，我们认为 EIA 更适用于多人系统中的词建模，而 HMA 适用于单人系统（因 EIA 是 IA 的改进）。此外，另一系列工作将感知计算与上述其他 CWW 方法的性能进行了比较。在所有这些工作中，感知计算均被证明优于其他 CWW 方法。然而，尚无工作试图探究感知计算这一更优表现背后的原因。同时，对于输入被差异化加权的场景也未进行比较。因此，本工作的目的是从经验上确立 EIA 适用于多人系统、HMA 适用于单人系统。本工作的另一维度还在于从经验上证明感知计算在基于扩展原理、符号方法及 2-元组的方法中表现更优，尤其在输入被差异化加权的场景下。
引用
@article{arxiv.2004.14892,
title = {An empirical study of computing with words approaches for multi-person and single-person systems},
author = {Prashant K Gupta and Pranab K. Muhuri},
journal= {arXiv preprint arXiv:2004.14892},
year = {2020}
}