2018 年物理学、自然语言处理与社会科学中组合方法研讨会会议录
计算与语言
2018-11-08 v1 人工智能
计算机科学与博弈论
摘要
将部分组合以形成更复杂整体，以及将整体分析为要素组合的能力，是跨学科学者所期望的。本研讨会汇集了将组合方法应用于物理学、NLP、认知科学和博弈论的研究者。在 NLP 中，一个长期目标是表示词如何组合形成短语和句子。在分布语义学框架内，词被表示为向量空间中的向量。Coecke 等人[2010]的类别模型受量子协议启发，为 NLP 向量空间模型中的组合性提供了令人信服的说明。认知科学中亦有向量空间模型的历史。Nosofsky[1986]与 Smith 等人[1988]发展的分类理论利用了特征向量间距离的概念。近来 Gärdenfors[2004, 2014]发展了概念模型，其中概念空间提供几何结构，信息由向量空间中的点、向量和区域表示。同样的组合方法已应用于该形式体系，使概念空间理论拥有了比以往更丰富的组合性模型[Bolt 等人, 2018]。组合方法也被应用于策略博弈与纳什均衡的研究。与将博弈作为单一全局对象整体研究的经典博弈论不同，组合博弈论自底向上地由较小组件构建大型复杂博弈。这种方法固有地困难，因为必须考虑博弈间的交互。针对该领域的类别组合方法研究近来已经起步[Ghani 等人, 2018]。此外，认知科学、语言学和博弈论三学科间的交互是肥沃的研究土壤。认知科学中的博弈论是成熟领域[Camerer, 2011]。类似地，博弈论方法已应用于语言学[Jäger, 2008]。最后，语言学与认知科学的研究紧密交织[Smolensky and Legendre, 2006, Jackendoff, 2007]。物理学通过向量空间和范畴量子理论提供组合方法，使得三学科间的相互作用得以考察。
引用
@article{arxiv.1811.02701,
title = {Proceedings of the 2018 Workshop on Compositional Approaches in Physics, NLP, and Social Sciences},
author = {Martha Lewis and Bob Coecke and Jules Hedges and Dimitri Kartsaklis and Dan Marsden},
journal= {arXiv preprint arXiv:1811.02701},
year = {2018}
}