Descomposición semántica (procesamiento del lenguaje natural)

La descomposición semántica es un algoritmo que descompone los significados de frases o conceptos en conceptos menos complejos. ^{[ 1 ]} El resultado de la descomposición semántica es una representación del significado. Esta representación puede utilizarse para tareas como las relacionadas con la inteligencia artificial o el aprendizaje automático . La descomposición semántica es común en las aplicaciones de procesamiento del lenguaje natural .

La idea básica de la descomposición semántica se inspira en las habilidades de aprendizaje de los adultos, donde las palabras se explican mediante otras palabras. Se basa en la teoría del significado- texto, que se utiliza como marco teórico lingüístico para describir el significado de los conceptos en relación con otros conceptos.

Dado que una IA no posee lenguaje de forma inherente, es incapaz de comprender los significados que subyacen a las palabras de un idioma. Es necesario crear una noción artificial de significado para que surja una IA fuerte. ^{[ 2 ]}

La creación de una representación artificial del significado requiere el análisis de qué es el significado. Muchos términos se asocian con el significado, incluyendo semántica, pragmática, conocimiento y comprensión o sentido de las palabras. ^{[ 3 ]} Cada término describe un aspecto particular del significado y contribuye a una multitud de teorías que explican qué es el significado. Es necesario analizar estas teorías con mayor profundidad para desarrollar una noción artificial de significado que se ajuste mejor a nuestro estado actual de conocimiento.

Representar el significado como un grafo es una de las dos maneras en que tanto la cognición de la IA como la investigación lingüística abordan el significado ( visión conexionista ). Los lógicos utilizan una representación formal del significado para desarrollar la idea de la representación simbólica, mientras que las lógicas descriptivas describen los lenguajes y el significado de los símbolos. Esta controversia entre técnicas «ordenadas» y «desordenadas» se ha debatido desde la década de 1970. ^{[ 4 ]}

La investigación ha identificado hasta ahora las medidas semánticas y, con ello, la desambiguación del sentido de las palabras (DSP) —la diferenciación del significado de las palabras— como el principal problema de la comprensión del lenguaje. ^{[ 5 ]} Como entorno completo de IA, la DSP es un problema central de la comprensión del lenguaje natural. ^{[ 6 ] [ 7 ]} Los enfoques de IA que utilizan el razonamiento dado por el conocimiento crean una noción de significado que combina el conocimiento de vanguardia del significado natural con la formalización simbólica y conexionista del significado para la IA. El enfoque abstracto se muestra en la Figura. Primero, se crea una representación del conocimiento conexionista como una red semántica que consta de conceptos y sus relaciones para servir como base para la representación del significado. ^{[ 8 ] [ 9 ] [ 10 ] [ 11 ]}

Este grafo se construye a partir de diferentes fuentes de conocimiento como WordNet , Wikcionario y BabelNET. El grafo se crea mediante descomposición léxica que descompone recursivamente cada concepto semánticamente en un conjunto de primos semánticos . ^{[ 1 ]} Los primos se toman de la teoría del Metalenguaje Semántico Natural , ^{[ 12 ]} que ha sido analizada para su utilidad en lenguajes formales. ^{[ 13 ]} Sobre este grafo se utiliza el paso de marcadores ^{[ 14 ] [ 15 ] [ 16 ]} para crear la parte dinámica del significado que representa los pensamientos. ^{[ 17 ]} El algoritmo de paso de marcadores, donde la información simbólica se pasa a través de relaciones de un concepto a otro, utiliza la interpretación de nodos y aristas para guiar sus marcadores. El modelo de interpretación de nodos y aristas es la influencia simbólica de ciertos conceptos.

En trabajos futuros se utilizará la representación de significado creada para construir heurísticas y evaluarlas mediante la comparación de capacidades y la planificación de agentes, chatbots u otras aplicaciones de comprensión del lenguaje natural .

• Análisis semántico latente
• semántica léxica
• Principio de composicionalidad