检索结果-南通市图书馆

模式识别与人工智能 2020年第11期33卷 1043-1053页

作者：邓硙汪剑鸣金光浩天津工业大学电子与信息工程学院天津300387 天津工业大学计算机科学与技术学院天津300387

针对视觉问答任务中问题语句可能存在的歧义,文中提出基于Yes/No反馈的视觉问答方法,通过Yes/No的反馈机制判断模型第一次得出答案的正误.当用户给出的反馈信息为No时,重新解析该问题,生成多种消歧后的问题,产生不同的候选答案,输出最... 详细信息

针对视觉问答任务中问题语句可能存在的歧义,文中提出基于Yes/No反馈的视觉问答方法,通过Yes/No的反馈机制判断模型第一次得出答案的正误.当用户给出的反馈信息为No时,重新解析该问题,生成多种消歧后的问题,产生不同的候选答案,输出最高置信度的答案作为最终结果.在CLEVR、CLEVR-CoGenT基准数据集上的实验表明文中方法精度较高.

关键词：视觉问答计算机视觉自然语言处理句法消歧反馈

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

英汉机器翻译中的歧义及消歧策略

英汉机器翻译中的歧义及消歧策略

引用

作者：叶君梅广西师范大学

学位级别：硕士

在当今这个全球经济一体化、信息爆炸的时代，特别是在中国加入世贸组织后，国内外的科技文化信息的交流如汹涌的潮水势不可挡。Internet的迅速普及，使信息传播突破了国界的限制，但语言差异却成了信息交流的最大障碍。传统的人工翻译... 详细信息

在当今这个全球经济一体化、信息爆炸的时代，特别是在中国加入世贸组织后，国内外的科技文化信息的交流如汹涌的潮水势不可挡。Internet的迅速普及，使信息传播突破了国界的限制，但语言差异却成了信息交流的最大障碍。传统的人工翻译已不能满足要求，人们渴望发展自然语言信息处理技术以能快速、有效地解决海量信息的翻译问题，机器翻译就是解决这个难题的最好的办法。机器翻译的确切定义是用计算机把一种语言全自动翻译为另一种语言。机器翻译研究的意义是不言而喻的，但又是一项艰巨的研究课题。自二十世纪四十年代美国为获取情报而首次开发出机器翻译技术以来，机器翻译已有六十余年的发展历史，其间经历了几起几落的曲折历程。人们对它的评价毁誉参有。尽管二十世纪九十年代以来，已有许多机器翻译系统进入了市场，但其翻译结果却不尽如人意。由于计算机本身固有的特点及语言学、算法的不够完善，机器翻译系统面临的主要瓶颈之一就是语言歧义消解问题。本文研究英汉机器翻译中的歧义现象，在总结前人经验和个人研究(调试北京中文信息处理开放实验室的“译路通”英汉系统)的基础上，提出了一些可行的消歧策略。机器翻译的设计一直是尽可能地模仿人的翻译原理。本文的第二部分介绍了机器翻译系统的历史、现状和原理。一个译者必须具备双语词汇，双语语法知识、客观经验知识及对上下文已合信息的判断能力。机器翻译系统则包括词典或语料库和翻译引擎两部分。翻译引擎一般又包括三大模块：词法分析、句法分析、转换生成模块。其中句法分析模块主要是基于短语结构语法和语言递归性原理，用逻辑编程语言表述成的一整套规则，经过这些句法规则判断，得出句法树。本文还分析了生成模块的生成转换过程。从机器翻译系统的原理得知，机器翻译系统主要是以句子为单位进行语法分析和转换，所以机器翻译系统的缺点是缺乏客观经验知识，和不具备上下文信息的判断及认知学习能力。歧义现象是自然语言的显著特点，但人类可以轻而易举解决的歧义问题，计算机处理起来却很棘手。本文第三部分分类列举了各种歧义现象，歧义主要分为语义歧义、句法结构歧义两大类。语义歧义指语义确定问题，首先是英汉数词转换中的量词歧义，机译系统有时无法判断加什么相应中文量词。机译系统在词性相同的情况下，由于缺乏语义限制，而无法决定词义，这是一词多义歧义．又由于机译系统的语法规则生成性很强，在语法结构相似时，无法决定词的词性，叫兼类歧义。而且机译系统缺乏上下文信息判断能力，无法正确回指代词指代对象，是代词回指歧义。句法歧义主要是句法分析中的结构歧义。其中，除了英语长句断句歧义外，修饰成分歧义也是个很大的难题，包括系统判定定语从句、“of”短语、介词短语、并列结构的修饰对象及范围。本文还讨论了以上所有歧义现象对机译系统翻译效果的影响，主要有原文无歧义，译文无歧义;原文无歧义，译文有歧义;原文有歧义，译文无歧义这三个方面。针对这些歧义现象，论文在第四部分提出了一些可行的消歧策略。消歧目前主要有语言学消歧法和统计消歧法。传统的机器翻译系统一般采用语言学方法，本文也是从这方面着手讨论消歧问题的。语言学消歧包括语义消歧、句法消歧和语用消歧。语义消歧的主要策略是对机译系统进行语义限定，包括形态消歧和词义消歧。形态消歧是在司法分析模块中制定规则，对输入词的形态结构进行限制，初步判断词性，并把判断结果输给句法分析模块。词义消歧的方法目前有三种。一是基于语料库消歧，即运用隐马尔可夫模型及计算机学习算法构建无歧义指导型语料库，并对语料库中的语料进行词性标注，或构建未标汪的对齐语料库。二是采用基于知识的消歧方法，在系统词典、义类词典、词网中进行语义限定和语义、句法标注，从而确定词义。笔者参与调试的“译路通”采用的就是用基于知识的消歧法，即在系统词典中标注近邻和词团约束关系、在引擎中定义语义及语法特性．这种方法能把词的语义特性和语法功能结合起来，以解决一词多义、兼类和句法歧义问题．三是基于语料和知识的混合方法．句法消歧是针对句法歧义中的定语从句和并列句歧义，在翻译引擎中制定共性规则和个性规则．而语用消歧则是利用语用信息消除代词所指歧义．除了诏言学消歧外还有统计消歧，它是基于海量语料库，统计出词与词之间的概率．在以上方法都不能消除歧义的情况下，可以在保证翻译可读性的前提下，让机译系统保留歧义进行翻译．虽然英汉机器翻译系统中的歧义很难解决，但并不是毫无解决的办法．笔者认为，多

关键词：机器翻译语义歧义句法歧义语义消歧句法消歧

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

视觉问答（VQA）中语言歧义消除方法的研究

视觉问答（VQA）中语言歧义消除方法的研究

引用

作者：邓硙天津工业大学

学位级别：硕士

随着多媒体和互联网的发展,如何处理海量的图像与文本信息成了目前亟需解决的一道难题。因此,对计算机视觉与自然语言处理交叉领域的研究成为学者们讨论的焦点。其中,视觉问答(Visual Question Answering,VQA)任务就是研究的热点话题之... 详细信息

随着多媒体和互联网的发展,如何处理海量的图像与文本信息成了目前亟需解决的一道难题。因此,对计算机视觉与自然语言处理交叉领域的研究成为学者们讨论的焦点。其中,视觉问答(Visual Question Answering,VQA)任务就是研究的热点话题之一。视觉问答任务是指给定一个自然语言问句和一幅图像,要求机器在对图像理解的基础上对问句做出回答。视觉问答涉及了语义理解、图像检测与识别、知识推理等相关技术,要求机器以人类的方式来理解图像,同时基于语言与用户进行交互,因此对提升机器人等人工智能系统的智能程度具有十分重要的作用。在过去的几年里,视觉问答得到了广泛的关注,因此涌现了大量的相关工作。通常来说,视觉问答任务需要同时处理图像的视觉信息和问句的文本信息,并以特征融合的方式将提取的视觉特征和文本特征映射到相同高维空间内,这需要视觉问答模型能正确解析出问句的语义,从而结合视觉特征给出正确的答案。对于复杂的问句,由于语言歧义现象的存在,现有的模型往往对文本信息的捕捉产生偏差,这导致现有的VQA系统难以捕捉问句的真实含义。当答案错误的时候,人类可以尝试以其他多种方式理解问句,从而得出不同的答案。受此启发,本文提出了一种基于yes/no反馈的视觉问答方法,具体过程如下:本文的方法通过yes/no的反馈机制判断模型第一次得出答案的正误,当用户给出的反馈信息为no时,本文将重新解析该问句,通过生成多种消歧后的新问句,产生不同的候选答案。然后输出最高置信度的答案作为最终结果。本文在两个基准数据集CLEVR和CLEVR-Co Gen T上将本文的方法与现有方法进行了比较。在CLEVR数据集上,本文方法的精确度接近100%。在CLEVRCo Gen T数据集上,本文的方法精确度也比现有方法高21%。

关键词：视觉问答计算机视觉自然语言处理句法消歧反馈

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：