权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

コバリアンス学習を用いた多義語の概念構造のモデル化

使用协方差学习对多义词的概念结构进行建模

基本信息

批准号：
05267235
负责人：
石川眞澄
金额：
$ 0.9万
依托单位：
Kyushu Institute of Technology
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research on Priority Areas
财政年份：
1993
资助国家：
日本
起止时间：
1993 至无数据
项目状态：
已结题

项目摘要

本研究は微小特徴群と概念の関係、特に多義語や同義語の概念構造をコバリアンス学習により求めることを目的とする。一般に概念形成は、短時間で記憶することを重視するものと、規則性抽出を重視するものとに分けられ、今年度は前者を対象とする。なお、ここではコバリアンス学習と相関学習をほとんど同義に用いている。微小特徴ベクトルは直交していないため、入力層に微小特徴を出力層に単語を用いて相関学習を行うと相互干渉項のため無関係な出力素子にも出力を生じる。しかし連続値線形出力素子を用いて相関学習を行い、その際後述のように各概念の出現頻度を考慮して最大値検出を行えば、相互干渉があっても差し支えない。実際には概念は外界からランダムな順序で与えられ、頻度の多寡もある。また多義語や同義語の存在も無視できない。これらをうまく扱うためには以下の3つの機能が必要である。第一は既学習概念か否かを判定できることである。当該単語の出力が1(興奮)の場合が既学習に相当する。第二は多義語か否かの判定ができることである。多義語は異なる属性値ベクトルが同じ単語に対応し、当該単語の出力が正で1よりも小さい場合であり,新しい出力素子を追加生成する。第三は同義語であるか否かの判定ができることである。同義語は同じ属性値ベクトルが異なる単語に対応し、他の出力素子の出力が1の場合である。ここでは107微小特徴、7個の概念からなる構造をモデル化した。これには多義語が4組、同義語が3組含まれている。本方法により、多義語、同義語も含め、概念構造のモデル化が相関学習により行える。頻度情報の取扱い、多義語,同義語における微妙な意味の差のモデル化、プライミング効果の表現などが今後に残された課題である。

This study focuses on the relationship between micro-feature groups and concepts, polysemy and synonyms. General concept formation, short-term memory, regularity-based extraction,なお、ここではコバリアンス学习と相关学习をほとんど同义に用いている。Micro-features are directly related to each other, and the input layer is composed of micro-features, output layers, and independent learning elements. The frequency of occurrence of each concept is considered. The maximum value is calculated. The maximum value is calculated. The maximum value is calculated. In fact, the concept of the outside world is different from that of the outside world. The existence of polysemy and synonyms is ignored. The following three functions are necessary. The first is to learn the concept of When the output of the language is 1(excited), it is equivalent to learning. The second polysemy. The attribute value of polysemy is different from that of the same language. When the output of the language is positive, the output element is added. The third synonym Synonyms are the same as attributes, and their output is equal to 1. 107 tiny features, 7 concepts, structure, etc. There are 4 polysemes and 3 synonyms, including. This method includes: polysemy, synonyms, conceptual construction, and correlation learning. The extraction of frequency information, the ambiguity of polysemy, the subtle meaning of synonyms, and the performance of functional effects will be issues in the future.