Inferenz und Interpretation
Inferenz und Interpretation sind Prozesse, die Logik der Prüfung der Eingabesprache und vergleicht es mit dem Wissen, das bereits angesammelt hat, und eine Schlussfolgerung zu ziehen erfordern. Um in diesem Stadium zu erhalten, müssen die Analyse-Techniken bereits besprochen ausgeführt werden soll, und eine interne Repräsentation des Diskurses muss existieren. (siehe Diagramm von Luger & Stubblefield). To get to this stage, the analysis techniques already discussed need to be run, and an internal representation of the discourse needs to exist. (see diagram from Luger & Stubblefield).
Dies Diskurs Verarbeitung nutzt Funktionen der Prädikatenlogik um allgemeine Schlüsse zu ziehen. Für eine Maschine, um sinnvolle Schlüsse zu ziehen, ist es notwendig, um die ankommenden Daten korrekt zu interpretieren, und gründlich, so dass es so viele Daten wie möglich, aus dem eine Schlussfolgerung. Es gibt zwei Methoden, die besonders nützlich zum Extrahieren von Informationen aus der natürlichen Sprache sind Quelle: Referenz-und Kontext.
Referenz
Durch die Berücksichtigung der Hinweise von bestimmten Objekten in einem Satz kann eine Maschine bestimmen die sprachlich ausgedrückt werden Interdependenzen zwischen den Sätzen in einem Diskurs. Referenz ist das wichtigste Mittel der Verknüpfung von Sätzen in einem Diskurs (Popov, 1982). Das Verfahren zum Analysieren Bezugnahme:
- festzustellen, wo im Rahmen wir die Entität, die durch die gegebene Referenz bezeichnet wird, sollten sich
- festzustellen, wie um zu bestimmen, dass eine gegebene Referenz und die gegebene Bezugnahme auf andere erreichen entsprechen ( Popov, 1982 )
Mit Verweis, sind wir in der Lage zu wissen, welche Pronomen werden unter Bezugnahme auf die zuvor beschriebenen Objekts zu bestimmen. Zum Beispiel: "Er lieh Jan etwas Geld. Sie war sehr dankbar". Eine Maschine würde in der Lage, zu bestimmen, dass sie Jan genannten durch Berechnen anhand ( Popov, 1982 ).
Kontext
Durch die Berücksichtigung der Kontext bei der Verarbeitung natürlicher Sprache, sind wir in der Lage, die Bedeutung eines Satzes von einem angeschlossenen Text zu interpretieren, indem man, dass einzelne Satz im Kontext. Wenn ein einzelner Satz verarbeitet wird nicht zu den inhaltlichen Zusammenhang, so darf dieser Satz verschiedene Bedeutungen haben, oder es könnte sein, völlig unverständlich.
Es gibt viele Ebenen der Kontext, die berücksichtigt werden müssen bei der Verarbeitung natürlicher Sprache (Popov, 1982):
textuellen Kontext ist die Bedeutung der Sätze vor dem aktuellen Satz abgeleitet
situativen Kontext ist die Bedeutung aus dem aktuellen Satz, und ist in der Regel nur implizit gegeben.
globalen Kontext ist wie das Thema der Gespräche und ermöglicht einen Algorithmus, um zwischen mehreren Bedeutungen wählen (wie "Rinde" würde anders gewählt werden, wenn wir über Hunde unterhielten sich, als auf ein Gespräch über Bäume im Gegensatz)
lokalen Kontext ist die Bedeutung von nur wenigen vorstehenden Sätze abgeleitet, ist dies sinnvoll, da das Thema des Gesprächs kann fortschreiten. Lokalen Kontext bietet die aktuellste Thema.
Ein einfacher Algorithmus zur Verarbeitung Kontext und Referenz ist nicht wirklich möglich, da eine Form von 'fuzzy' Verarbeitung erforderlich ist. So Forscher sind mit neuronalen Netzen experimentiert, einen Computer zu trainieren, um bestimmte gemeinsame Situationen (so genannte erkennen Frames ) und auch über neue Situationen zu verallgemeinern.
Nun, da die Maschine eine Grundlage für die genaue Bestimmung, welche Objekte an und auf welche Weise, wann und wo diese Objekte interagieren wir haben ein Stadium erreicht, dass ein gewisses Maß an Verständnis möglich ist, hat. Dies gibt uns die Möglichkeit für eine genaue Übersetzung möglich sein, aus natürlichen Sprache in eine maschinenlesbare Form, und dann an eine andere natürliche Sprache.