自然语言歧义的层论模型进展

层论是由构成拓扑空间的底空间及其上每个开集关联的数据（例如定义在这些开集上的连续函数）组成的数学对象。层论最初被用于代数拓扑和逻辑。最近，它们也被用来对物理实验和自然语言消歧过程等事件进行建模。我们将后者模型从词汇歧义扩展到由指代引起的语篇歧义。首先，我们针对一个基本指代语篇数据集计算了一种新的语境性度量，与先前仅产生 3.17% 语境性模型的工作相比，得到了更高比例的语境性模型（82.9%）。然后，我们展示了自然语言处理挑战中涉及指代歧义的 Winograd Schema 的扩展，如何能够在 Bell-CHSH 场景下进行建模，其语境性比例为 0.096。