Lexical Semantics and Knowledge Representation in Multilingual Text Generation

در تولید زبان طبیعی مبتنی بر دانش، مسائل مربوط به بازنمایی دانش رسمی با مشکلات زبانی انتخاب مناسب‌ترین شفاهی در یک موقعیت خاص از بیان مواجه می‌شود. معناشناسی واژگانی و بازنمایی دانش درتولید متن چند زبانه رویکرد جدیدی را برای پیوند سیستماتیک قلمروهای معناشناسی واژگانی و دانش ارائه شده در منطق توصیف ارائه می‌دهد. برای تولید زبان از چنین بازنمایی های انتزاعی، واژگانی سازی به عنوان گام اصلی گرفته می شود: هنگام انتخاب کلماتی که بخش های مختلف بازنمایی محتوا را پوشش می دهند، تصمیمات اصلی برای انتقال معنای مورد نظر گرفته می شود. یک مکانیسم ترجیح برای ساختن گفته ای استفاده می شود که به بهترین وجه برای پارامترهای نشان دهنده زمینه تنظیم شود.
معناشناسی واژگانی و بازنمایی دانش در متن چندزبانهنسل ابزاری را برای استخراج سیستماتیک مجموعه ای از جملات از بازنمایی زیربنایی با تأکید بر رویدادها و معنای فعل ایجاد می کند. . علاوه بر این، از همان مکانیسم نقشه‌برداری برای دستیابی به تولید چند زبانه استفاده می‌شود: خروجی انگلیسی و آلمانی به موازات یکدیگر تولید می‌شوند، بر اساس تقسیم کافی بین دانش خنثی زبان و دانش خاص زبان (واژه‌ای و دستوری).
معناشناسی واژگانی و بازنمایی دانش در متن چندزبانهنسل بینش دقیقی را در مورد طراحی بازنمایی ها و سازماندهی فرآیند تولید ارائه می دهد. خوانندگان با پیشینه هوش مصنوعی، علوم شناختی، بازنمایی دانش، زبان شناسی یا پردازش زبان طبیعی، مدلی از تولید زبان را پیدا خواهند کرد که می تواند با اهداف مختلف سازگار شود.

In knowledge-based natural language generation, issues of formal knowledge representation meet with the linguistic problems of choosing the most appropriate verbalization in a particular situation of utterance. Lexical Semantics and Knowledge Representation inMultilingual Text Generation presents a new approach to systematically linking the realms of lexical semantics and knowledge represented in a description logic. For language generation from such abstract representations, lexicalization is taken as the central step: when choosing words that cover the various parts of the content representation, the principal decisions on conveying the intended meaning are made. A preference mechanism is used to construct the utterance that is best tailored to parameters representing the context.
Lexical Semantics and Knowledge Representation in Multilingual TextGeneration develops the means for systematically deriving a set of paraphrases from the same underlying representation with the emphasis on events and verb meaning. Furthermore, the same mapping mechanism is used to achieve multilingual generation: English and German output are produced in parallel, on the basis of an adequate division between language-neutral and language-specific (lexical and grammatical) knowledge.
Lexical Semantics and Knowledge Representation in Multilingual TextGeneration provides detailed insights into designing the representations and organizing the generation process. Readers with a background in artificial intelligence, cognitive science, knowledge representation, linguistics, or natural language processing will find a model of language production that can be adapted to a variety of purposes.