A Pipeline For Discourse Circuits From CCG

要約

言語理論と、不可解なブラックボックス アーキテクチャに大きく依存する現代の NLP 実践の間には、大きな断絶があります。
DisCoCirc は、言語構造を組み込んだ神経象徴モデルを提供することで、この溝を埋めることを目的とした、新しく提案された意味モデルです。
DisCoCirc は、自然言語テキストを、テキストの中核となる意味情報を取得する「回路」として表します。
これらの回路は、モジュール式機械学習モデルとして解釈できます。
さらに、DisCoCirc は、近い将来の量子コンピューターに実装できる NLP モデルを提供するというもう 1 つの主要な目的も果たします。
この論文では、英語のテキストを DisCoCirc 表現に変換するソフトウェア パイプラインについて説明します。
このパイプラインは、英語の大部分をカバーします。
これは、入力テキストの結合カテゴリ文法 (CCG) 解析と共参照解決情報に依存します。
この意味論的および構文的な情報は、テキストを単純に入力された $\lambda$-calculus 項に変換し、さらに回路図に変換するためにいくつかのステップで使用されます。
このパイプラインにより、古典的アプローチと量子的アプローチの両方を使用して、DisCoCirc フレームワークを NLP タスクに適用できるようになります。

要約(オリジナル)

There is a significant disconnect between linguistic theory and modern NLP practice, which relies heavily on inscrutable black-box architectures. DisCoCirc is a newly proposed model for meaning that aims to bridge this divide, by providing neuro-symbolic models that incorporate linguistic structure. DisCoCirc represents natural language text as a `circuit’ that captures the core semantic information of the text. These circuits can then be interpreted as modular machine learning models. Additionally, DisCoCirc fulfils another major aim of providing an NLP model that can be implemented on near-term quantum computers. In this paper we describe a software pipeline that converts English text to its DisCoCirc representation. The pipeline achieves coverage over a large fragment of the English language. It relies on Combinatory Categorial Grammar (CCG) parses of the input text as well as coreference resolution information. This semantic and syntactic information is used in several steps to convert the text into a simply-typed $\lambda$-calculus term, and then into a circuit diagram. This pipeline will enable the application of the DisCoCirc framework to NLP tasks, using both classical and quantum approaches.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google