FenixEdu™

Dissertação

{en_GB= Understanding Spatial Semantics in Natural Language } {} EVALUATED

Detalhes: {pt=A presente tese de mestrado insere-se na tarefa de Anotação de Papeis Espaciais (Spatial Role Labeling, SpRL) que surgiu como um caso particular da tarefa de Anotação de Papeis Semânticas (Semantic Role Labeling, SRL). A abordagem que preconizamos benefícia ao máximo da afinidade entre as duas tarefas mencionadas. A fim de lidar com a SpRL, procura-se reconfigurar o sistema NLPNET que tem como parte fundamental uma rede neuronal convolucional. O dito sistema já provou ser eficaz no âmbito da tarefa de SRL. Demonstramos que a anotação de papeis espaciais pode ser abordada por um sistema inicialmente desenhado para a SRL. Também visamos exibir que com a aplicação de várias transformações relativamente simples ao formato de dados de entrada, usadas na fase de treino de modelos, é possível melhorar a qualidade dos mesmos. Os resultados para dois casos distintos, nomeadamente para relações espacias estáticas e dinâmicas, são apresentados. Embora seja relativamente moderado, o desempenho do sistema é comparável com o dos sistemas de ponta conhecidos., en=In this MSc thesis we focus on the Spatial Role Labeling (SpRL) task, which emerged as a variation of Semantic Role Labeling (SRL). The approach we advocate for SpRL fully exploits its kinship with SRL. It is based on adopting the NLPNET system, that is built on a multi-layer convolutional neural network and has proved its efficiency in dealing with the SRL task. We demonstrate that SpRL can be performed by a system originally designed for SRL, as well as that by applying several relatively simple input format transformations, it is possible to achieve a gain in the system's performance. We present the results for the distinct cases of static and dynamic spatial relations. Although being relatively modest, the performance demonstrated by the system is comparable with that of the known state-of-the-art systems.}
Keywords: {pt=Aprendizagem Automática, Redes Neuronais Convolucionais, Semântica em Linguagem Natural, Anotação de Papeis Espaciais, NLPNET., en=Machine Learning, Convolutional Neural Network, Natural Language Semantics, Spatial Role Labeling, NLPNET.}

Discussão: novembro 21, 2016, 14:30