Semantic Relations Between Nominals
Vivi Nastase · Preslav Nakov · Diarmuid Ó Séaghdha · Stan Szpakowicz
2013 ഏപ്രി · Springer Nature
ഇ-ബുക്ക്
107
പേജുകൾ
reportറേറ്റിംഗുകളും റിവ്യൂകളും പരിശോധിച്ചുറപ്പിച്ചതല്ല കൂടുതലറിയുക
ഈ ഇ-ബുക്കിനെക്കുറിച്ച്
People make sense of a text by identifying the semantic relations which connect the entities or concepts described by that text. A system which aspires to human-like performance must also be equipped to identify, and learn from, semantic relations in the texts it processes. Understanding even a simple sentence such as "Opportunity and Curiosity find similar rocks on Mars" requires recognizing relations (rocks are located on Mars, signalled by the word on) and drawing on already known relations (Opportunity and Curiosity are instances of the class of Mars rovers). A language-understanding system should be able to find such relations in documents and progressively build a knowledge base or even an ontology. Resources of this kind assist continuous learning and other advanced language-processing tasks such as text summarization, question answering and machine translation. The book discusses the recognition in text of semantic relations which capture interactions between base noun phrases.After a brief historical background, we introduce a range of relation inventories of varying granularity, which have been proposed by computational linguists. There is also variation in the scale at which systems operate, from snippets all the way to the whole Web, and in the techniques of recognizing relations in texts, from full supervision through weak or distant supervision to self-supervised or completely unsupervised methods. A discussion of supervised learning covers available datasets, feature sets which describe relation instances, and successful algorithms. An overview of weakly supervised and unsupervised learning zooms in on the acquisition of relations from large corpora with hardly any annotated data. We show how bootstrapping from seed examples or patterns scales up to very large text collections on the Web. We also present machine learning techniques in which data redundancy and variability lead to fast and reliable relation extraction.
രചയിതാവിനെ കുറിച്ച്
Vivi Nastase holds a Ph.D. from the University of Ottawa. A research associate at the Univer sity of Stuttgart, she works mainly on lexical semantics, semantic relations, knowledge acquisi tion, and language evolution.
ഈ ഇ-ബുക്ക് റേറ്റ് ചെയ്യുക
നിങ്ങളുടെ അഭിപ്രായം ഞങ്ങളെ അറിയിക്കുക.
വായനാ വിവരങ്ങൾ
സ്‌മാർട്ട്ഫോണുകളും ടാബ്‌ലെറ്റുകളും
Android, iPad/iPhone എന്നിവയ്ക്കായി Google Play ബുക്‌സ് ആപ്പ് ഇൻസ്‌റ്റാൾ ചെയ്യുക. ഇത് നിങ്ങളുടെ അക്കൗണ്ടുമായി സ്വയമേവ സമന്വയിപ്പിക്കപ്പെടുകയും, എവിടെ ആയിരുന്നാലും ഓൺലൈനിൽ അല്ലെങ്കിൽ ഓഫ്‌ലൈനിൽ വായിക്കാൻ നിങ്ങളെ അനുവദിക്കുകയും ചെയ്യുന്നു.
ലാപ്ടോപ്പുകളും കമ്പ്യൂട്ടറുകളും
Google Play-യിൽ നിന്ന് വാങ്ങിയിട്ടുള്ള ഓഡിയോ ബുക്കുകൾ കമ്പ്യൂട്ടറിന്‍റെ വെബ് ബ്രൗസർ ഉപയോഗിച്ചുകൊണ്ട് വായിക്കാവുന്നതാണ്.
ഇ-റീഡറുകളും മറ്റ് ഉപകരണങ്ങളും
Kobo ഇ-റീഡറുകൾ പോലുള്ള ഇ-ഇങ്ക് ഉപകരണങ്ങളിൽ വായിക്കാൻ ഒരു ഫയൽ ഡൗൺലോഡ് ചെയ്ത് അത് നിങ്ങളുടെ ഉപകരണത്തിലേക്ക് കൈമാറേണ്ടതുണ്ട്. പിന്തുണയുള്ള ഇ-റീഡറുകളിലേക്ക് ഫയലുകൾ കൈമാറാൻ, സഹായ കേന്ദ്രത്തിലുള്ള വിശദമായ നിർദ്ദേശങ്ങൾ ഫോളോ ചെയ്യുക.
