Till sidans topp

Sidansvarig: Webbredaktion
Sidan uppdaterades: 2012-09-11 15:12

Tipsa en vän
Utskriftsversion

Learning Domain-specific … - Göteborgs universitet Till startsida
Webbkarta
Till innehåll Läs mer om hur kakor används på gu.se

Learning Domain-specific Grammars from a Small Number of Examples

Paper i proceeding
Författare Herbert Lange
Peter Ljunglöf
Publicerad i 12th International Conference on Agents and Artificial Intelligence - Volume 1: NLPinAI
ISBN 978-989-758-395-7
Förlag SciTePress
Publiceringsår 2020
Publicerad vid Institutionen för data- och informationsteknik (GU)
Språk en
Länkar https://doi.org/10.5220/00093713042...
https://gup.ub.gu.se/file/208084
Ämnesord Computational Linguistics, Sub-grammar Extraction, Constraint Solving
Ämneskategorier Språkteknologi (språkvetenskaplig databehandling)

Sammanfattning

In this paper we investigate the problem of grammar inference from a different perspective. The common approach is to try to infer a grammar directly from example sentences, which either requires a large training set or suffers from bad accuracy. We instead view it as a problem of grammar restriction or sub-grammar extraction. We start from a large-scale resource grammar and a small number of examples, and find a sub-grammar that still covers all the examples. To do this we formulate the problem as a constraint satisfaction problem, and use an existing constraint solver to find the optimal grammar. We have made experiments with English, Finnish, German, Swedish and Spanish, which show that 10–20 examples are often sufficient to learn an interesting domain grammar. Possible applications include computer-assisted language learning, domain-specific dialogue systems, computer games, Q/A-systems, and others.

Sidansvarig: Webbredaktion|Sidan uppdaterades: 2012-09-11
Dela:

På Göteborgs universitet använder vi kakor (cookies) för att webbplatsen ska fungera på ett bra sätt för dig. Genom att surfa vidare godkänner du att vi använder kakor.  Vad är kakor?