模块化机制网络：论自然语言处理中利用深度神经网络桥接机制模型与现象学模型
计算与语言
2019-03-26 v2 人工智能
机器学习
神经与进化计算
机器学习
摘要
自然语言处理（NLP）可以采用自上而下（理论驱动）或自下而上（数据驱动）的方法，我们分别称之为机制性和现象学性方法。这些方法常被认为彼此对立。通过考察深度学习中的一些近期方法，我们认为深度神经网络融合了这两种视角，并且进一步指出，利用深度学习的这一特性可能有助于解决语言技术中的复杂问题，例如在空间认知领域中对语言与感知进行建模。
引用
@article{arxiv.1807.09844,
title = {Modular Mechanistic Networks: On Bridging Mechanistic and Phenomenological Models with Deep Neural Networks in Natural Language Processing},
author = {Simon Dobnik and John D. Kelleher},
journal= {arXiv preprint arXiv:1807.09844},
year = {2019}
}
备注
18 pages, 1 figure, Appears in CLASP Papers in Computational Linguistics Vol. 1: Proceedings of the Conference on Logic and Machine Learning in Natural Language (LaML 2017)