Ημερολόγιο Εκδηλώσεων

Περιγραφή:
ΠΟΛΥΤΕΧΝΕΙΟ ΚΡΗΤΗΣ Σχολή Ηλεκτρονικών Μηχανικών και Μηχανικών Υπολογιστών Πρόγραμμα Μεταπτυχιακών Σπουδών ΠΑΡΟΥΣΙΑΣΗ ΜΕΤΑΠΤΥΧΙΑΚΗΣ ΕΡΓΑΣΙΑΣ ΣΠΥΡΙΔΩΝΑ ΓΕΩΡΓΙΛΑΔΑΚΗ με θέμα Σημασιολογική Σύνθεση σε Κατανεμημένα Σημασιολογικά Μοντέλα: Ενεργοποιητική Προέγερση και Μετασχηματικές Ιδιότητες για Μοντελοποίηση Ομοιότητας Semantic Composition in DSMs: Activational Priming and Transformational Properties for Similarity Estimation Εξεταστική Επιτροπή Καθηγητής Ευριπίδης Πετράκης (επιβλέπων) Αναπληρωτής Καθηγητής Πολυχρόνης Κουτσάκης Αναπληρωτής Καθηγητής Αλέξανδρος Ποταμιάνος (Σχολή ΗΜΜΥ, ΕΜΠ) Περίληψη Τα Κατανεμημένα Σημασιολογικά Μοντέλα (ΚΣΜ) έχουν καταστεί επιτυχή όσον αφορά τη μοντελοποίηση νοήματος για απομονωμένες λέξεις. Το ενδιαφέρον έχει πρόσφατα μετακινηθεί σε συνθετικές δομές, δηλαδή, σε λεκτικές μονάδες που συντίθενται από λέξεις που εκπροσωπούν διακριτές έννοιες, όπως φράσεις και προτάσεις. Τα Δικτυακά ΚΣΜ (ΔΚΣΜ) εκπροσωπούν και χειρίζονται σημασιολογική πληροφορία μέσα από επενέργειες σε γειτονιές λέξεων, δηλαδή, σημασιολογικούς γράφους που αποτελούνται από τις ομοιότερες σημασιολογικά λέξεις σε σχέση με την εν λόγω λεκτική μονάδα. Τα σημασιολογικά δίκτυα βασίζονται στην ενεργοποιητική προέγερση, μία θεωρία βασισμένη στη γνωσιακή επιστήμη κατά την οποία μία συγκεκριμένη περιοχή που μοιράζεται κοινά χαρακτηριστικά δύναται να ενεργοποιηθεί υπό το έναυσμα κάποιου σχετικού ερεθίσματος. Στην εργασία αυτή προτείνονται μια ποικιλία από στρατηγικές σύνθεσης ενεργοποιητικών περιοχών και μοντελοποίησης ομοιότητας με σκοπό την αντιμετώπιση της διαδικασίας σύνθεσης στο πλαίσιο των σχετικών επιπέδων στα ΔΚΣΜ. Στο επίπεδο ενεργοποίησης, προτείνουμε διάφορα σχέδια ενεργοποίησης, παρακινούμενα από θεωρίες ψυχογλωσσολογίας, που χρησιμοποιούν ενεργοποιητικές περιοχές μεταβλητού μεγέθους με στόχο τη σύνθεση γειτονιών για σύνθετες δομές. Στο επίπεδο ομοιότητας, μοντελοποιούμε μετρικές ομοιότητας που λειτουργούν στις προκύπτουσες γειτονιές για τον υπολογισμό ομοιότητας. Τα προτεινόμενα σχήματα καλύπτουν ένα εύρος προσεγγίσεων για τη μοντελοποίηση σημασιολογικής πληροφορίας σε σύνθετες δομές. Επιπλέον, διερευνούμε τις ιδιότητες λέξεων που επέχουν ρόλο τροποποιητή, καθώς και μετασχηματικά μοντέλα από τη βιβλιογραφία, και προτείνουμε μία στρατηγική σύντηξης που χρησιμοποιεί τις μετασχηματικές ιδιότητες τροποποιητών σε φράσεις με σκοπό την στάθμιση της συμβολής των επιμέρους μοντέλων για το χειρισμό της σημασιολογικής πληροφορίας. Για το σκοπό αυτό, το μοντέλο χρησιμοποιεί μοντέλα βασισμένα σε δίκτυα και σε μετασχηματικές στρατηγικές κάτω από ένα συγχωνευτικό σχήμα, με στόχο τη μοντελοποίηση ομοιότητας. Αποδεικνύεται ότι, συντήξει αυστηρά συνθετικών και μετασχηματικών μοντέλων για την υλοποίηση ενός ευέλικτου μοντέλου που προσαρμόζεται στη συμπεριφορά των φράσεων και στις ιδιότητες των τροποποιητών, μπορούν να επιτευχθούν οφέλη στην απόδοση. Abstract Distributional Semantic Models (DSMs) have been successful at modeling the meaning of words in isolation. Interest has recently shifted to compositional structures, i.e., lexical units that comprise of words that represent individual concepts, such as phrases and sentences. Network DSMs (NDSMs) represent and handle semantics via operations on word neighborhoods, i.e., semantic graphs comprising of a target lexical unit's semantically most similar words. Semantic networks are based on activational priming, a cognitively-based theory that a specific area which shares common features can be activated upon the triggering of a related stimulus. In this study, a variety of activation composition and similarity modeling strategies is proposed that aims to address compositionality within the framework of the respective layers of NDSMs. In the activation layer, we propose several activation schemes, motivated by psycholinguistics, that utilize variable size activations in order to compose neighborhoods for complex structures. In the similarity layer, we model similarity metrics that operate on the derived neighborhoods to estimate similarity. The proposed schemes cover a range of approaches for modeling semantics in complex structures. We also investigate modifier properties and transformational models from the literature, and propose a fusion scheme that regulates the transformational properties of phrase modifiers in order to weight the contribution of its component models for handling semantics. To this end, the model utilizes network and transformational models under a fusion scheme that models similarity. It is shown that, by fusing strictly compositional with transformational models to realise a flexible model that adapts to phrase behavior by considering modifier properties, performance gains can be achieved.