面向物理世界认知主体的情境语言理解指称模型探索
人工智能
2022-10-20 v2
摘要
我们提出了一种基于指称假说(Indexical Hypothesis)的情境语言理解计算模型，该模型通过将非模态语言符号翻译为语言系统外部的信念、知识和经验的模态表征来生成意义表征。该指称模型融合了多种信息源，包括感知、领域知识以及理解过程中的短期和长期经验。我们表明，利用多样化信息源能够缓解由欠具体指称表达的上下文使用和动词未表达论元交替所产生的歧义。该模型正被用于支持 Rosie（一个在 Soar 中实现、从指令中学习的智能体）中的语言交互。
引用
@article{arxiv.1604.02509,
title = {Towards an Indexical Model of Situated Language Comprehension for Cognitive Agents in Physical Worlds},
author = {Shiwali Mohan and Aaron Mininger and John Laird},
journal= {arXiv preprint arXiv:1604.02509},
year = {2022}
}