دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: سایبرنتیک: هوش مصنوعی ویرایش: نویسندگان: Inderjeet Mani سری: Synthesis Lectures on Human Language Technologies ISBN (شابک) : 1608459810, 9781608459810 ناشر: Morgan & Claypool Publishers سال نشر: 2013 تعداد صفحات: 144 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 1 مگابایت
کلمات کلیدی مربوط به کتاب مدل سازی محاسباتی روایت: هوش و معناشناسی، هوش مصنوعی و یادگیری ماشین، علوم کامپیوتر، کامپیوتر و فناوری، پردازش زبان طبیعی، هوش مصنوعی و یادگیری ماشین، علوم کامپیوتر، کامپیوتر و فناوری، قرون وسطی، جنبشها و دورهها، تاریخ و نقد، ادبیات و داستان، باستان و کلاسیک، جنبشها و دورهها، تاریخ و نقد، ادبیات و داستان، واژهنامهها و اصطلاحنامههای زبان خارجی، مطالعه و مرجع زبان خارجی، مرجع، آموزش، مطالعه و مرجع زبان خارجی، مرجع
در صورت تبدیل فایل کتاب Computational Modeling of Narrative به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب مدل سازی محاسباتی روایت نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
حوزه درک و تولید روایت (یا داستان) یکی از قدیمیترین حوزهها در پردازش زبان طبیعی (NLP) و هوش مصنوعی (AI) است که جای تعجب ندارد، زیرا داستانگویی یک فعالیت فکری و اجتماعی اساسی و آشناست. در سالهای اخیر، نیاز به سرگرمیهای تعاملی و علاقه به خلق روایتهای جذاب با شخصیتهای زندگیمانند، انگیزه تازهای به این حوزه داده است. این کتاب مروری بر مشکلات، رویکردها و چالشهای اصلی امروزی در مدلسازی ساختار روایی داستانها ارائه میکند. این کتاب مفاهیم روایی کلاسیک را از نظریه ادبی و نگاشت آنها تا رویکردهای محاسباتی معرفی می کند. این نشان میدهد که چگونه تحقیقات در AI و NLP با استفاده از فرمالیسمهای برنامهریزی، استدلال مبتنی بر مورد، و استدلال زمانی، اهداف شخصیت، علیت و زمان را مدلسازی کردهاند و محدودیتهای اساسی در چنین رویکردهایی را مورد بحث قرار میدهد. برای ارزیابی سرعت روایت، بازنماییهای جدیدی را برای روایتهای تعبیهشده و موجودیتهای داستانی پیشنهاد میکند و یک نظریه تجربی از پاسخ مخاطبان ارائه میدهد. این مفاهیم در یک طرح حاشیه نویسی به نام NarrativeML گنجانده شده اند. این کتاب موضوعات کلیدی را شناسایی میکند که باید به آنها پرداخته شود، از جمله روشهای حاشیهنویسی برای روایتهای ادبی طولانی، نمایش شیوه و عادت، و مشخص کردن اهداف راویان. همچنین آیندهای را پیشنهاد میکند که مشخصه آن استخراج متن پیشرفته ساختار روایت از مجموعههای بزرگ مقیاس و توسعه انواع کمکهای مفید برای نویسندگی است. این اولین کتابی است که پایه ای سیستماتیک ارائه می دهد که روایت شناسی، هوش مصنوعی و زبان شناسی محاسباتی را با هم ادغام می کند. این می تواند به عنوان آغازگر روایت شناسی برای دانشمندان رایانه و توضیح روایت شناسی محاسباتی برای نظریه پردازان ادبی باشد. این به شیوه ای بسیار قابل دسترس نوشته شده است و برای استفاده توسط مخاطبان علمی گسترده ای در نظر گرفته شده است که شامل زبان شناسان (معنا شناسان محاسباتی و رسمی)، محققان هوش مصنوعی، دانشمندان علوم شناختی، دانشمندان کامپیوتر، توسعه دهندگان بازی و نظریه پردازان روایت می شود. فهرست مطالب: فهرست شکل ها / فهرست جداول / پیشینه روایتی / شخصیت ها به عنوان عامل عمدی / زمان / طرح / خلاصه و جهت گیری های آینده
The field of narrative (or story) understanding and generation is one of the oldest in natural language processing (NLP) and artificial intelligence (AI), which is hardly surprising, since storytelling is such a fundamental and familiar intellectual and social activity. In recent years, the demands of interactive entertainment and interest in the creation of engaging narratives with life-like characters have provided a fresh impetus to this field. This book provides an overview of the principal problems, approaches, and challenges faced today in modeling the narrative structure of stories. The book introduces classical narratological concepts from literary theory and their mapping to computational approaches. It demonstrates how research in AI and NLP has modeled character goals, causality, and time using formalisms from planning, case-based reasoning, and temporal reasoning, and discusses fundamental limitations in such approaches. It proposes new representations for embedded narratives and fictional entities, for assessing the pace of a narrative, and offers an empirical theory of audience response. These notions are incorporated into an annotation scheme called NarrativeML. The book identifies key issues that need to be addressed, including annotation methods for long literary narratives, the representation of modality and habituality, and characterizing the goals of narrators. It also suggests a future characterized by advanced text mining of narrative structure from large-scale corpora and the development of a variety of useful authoring aids. This is the first book to provide a systematic foundation that integrates together narratology, AI, and computational linguistics. It can serve as a narratology primer for computer scientists and an elucidation of computational narratology for literary theorists. It is written in a highly accessible manner and is intended for use by a broad scientific audience that includes linguists (computational and formal semanticists), AI researchers, cognitive scientists, computer scientists, game developers, and narrative theorists. Table of Contents: List of Figures / List of Tables / Narratological Background / Characters as Intentional Agents / Time / Plot / Summary and Future Directions