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
ویرایش:
نویسندگان: Alvarado S.J.
سری:
ISBN (شابک) : 0792391233
ناشر: Kluwer
سال نشر: 1990
تعداد صفحات: 326
زبان: English
فرمت فایل : DJVU (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود)
حجم فایل: 3 مگابایت
در صورت تبدیل فایل کتاب Understanding editorial text: a computer model of argument comprehension 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 درک متن سرمقاله: یک مدل رایانه ای از درک استدلال 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.
توسط Michael G. Dyer پردازش زبان طبیعی (NLP) یک حوزه تحقیقاتی در هوش مصنوعی (AI) است که با درک و تولید متن زبان طبیعی مرتبط است. درک شامل ساخت پویا بازنمودهای مفهومی است که با روابط علّی پیوند خورده و برای بازیابی بعدی سازماندهی/نمایه شده است. هنگامی که این بازنمایی های مفهومی ایجاد شد، می توان درک مطلب را با استفاده از کارهایی مانند بازنویسی، پاسخ به سؤال و خلاصه کردن آزمایش کرد. وظایف شناختی سطح بالاتر نیز در الگوی NLP مدلسازی میشوند و عبارتند از: ترجمه، اکتساب معانی و مفاهیم کلمات از طریق خواندن، تجزیه و تحلیل اهداف و برنامهها در محیطهای چند عاملی (به عنوان مثال، رفتار ائتلافی و ضدبرنامهریزی توسط شخصیتهای روایی)، اختراع داستان های بدیع، شناخت مضامین انتزاعی (مانند کنایه و ریا)، استخراج اخلاق یا نکته یک داستان، و توجیه/ رد باورها از طریق استدلال. استحکام سیستم های درک متن مبتنی بر مفهومی به طور مستقیم با ماهیت و دامنه ساختارهای دانشی که در تجزیه و تحلیل مفهومی متن استفاده می شود، مرتبط است. تا همین اواخر، سیستمهای زبان طبیعی مبتنی بر مفهوم برای وظیفه درک روایت توسعه یافته و برای آن به کار میرفتند (دایر، 1983 الف؛ شانک و آبلسون، 1977؛ ویلنسکی، 1983). این سیستم ها با شناخت اهداف و نقشه های شخصیت های روایی و. با استفاده از این دانش برای ساختن یک بازنمایی مفهومی از روایت، xx درک متن ویراستاری شامل اعمال و مقاصدی که باید برای تکمیل نمایش استنباط شوند. با این حال، بخش بزرگی از متنی که در روزنامه ها و مجلات منتشر می شود، سرمقاله است.
by Michael G. Dyer Natural language processing (NLP) is an area of research within Artificial Intelligence (AI) concerned with the comprehension and generation of natural language text. Comprehension involves the dynamic construction of conceptual representations, linked by causal relationships and organized/indexed for subsequent retrieval. Once these conceptual representations have been created, comprehension can be tested by means of such tasks as paraphrasing, question answering, and summarization. Higher-level cognitive tasks are also modeled within the NLP paradigm and include: translation, acquisition of word meanings and concepts through reading, analysis of goals and plans in multi-agent environments (e. g. , coalition and counterplanning behavior by narrative characters), invention of novel stories, recognition of abstract themes (such as irony and hypocrisy), extraction of the moral or point of a story, and justification/refutation of beliefs through argumentation. The robustness of conceptually-based text comprehension systems is directly related to the nature and scope of the knowledge constructs applied during conceptual analysis of the text. Until recently, conceptually-based natural language systems were developed for, and applied to, the task of narrative comprehension (Dyer, 1983a; Schank and Abelson, 1977; Wilensky, 1983). These systems worked by recognizing the goals and plans of narrative characters, and. using this knowledge to build a conceptual representation of the narrative, xx UNDERSTANDING EDITORIAL TEXT including actions and intentions which must be inferred to complete the representation. A large portion of text appearing in newspapers and magazines, however, is editorial in nature.