الفضاء الدلالي

📅 آخر تحديث: ٣ أغسطس ٢٠٢٦
✍️ نُشر في: ٣ أغسطس ٢٠٢٦
الموسوعة الحرة

تهدف الفضاءات الدلالية [ ملاحظة 1 ] [ 1 ] في مجال اللغة الطبيعية إلى إنشاء تمثيلات للغة الطبيعية قادرة على استيعاب المعنى. وينبع الدافع الأصلي للفضاءات الدلالية من تحديين أساسيين في اللغة الطبيعية: عدم تطابق المفردات (حقيقة أن المعنى نفسه يمكن التعبير عنه بطرق متعددة) والغموض في اللغة الطبيعية (حقيقة أن المصطلح نفسه يمكن أن يحمل عدة معانٍ).

يهدف تطبيق الفضاءات الدلالية في معالجة اللغة الطبيعية إلى التغلب على قيود المناهج القائمة على القواعد أو النماذج التي تعمل على مستوى الكلمات المفتاحية . يتمثل العيب الرئيسي لهذه المناهج في هشاشتها، والجهد اليدوي الكبير المطلوب لإنشاء أنظمة معالجة اللغة الطبيعية القائمة على القواعد أو مجموعات بيانات التدريب لتعلم النماذج. [ 2 ] [ 3 ] تعتمد النماذج القائمة على القواعد والتعلم الآلي على مستوى الكلمات المفتاحية، وتفشل إذا اختلفت المفردات عن تلك المحددة في القواعد أو عن مواد التدريب المستخدمة في النماذج الإحصائية.

يعود تاريخ البحث في الفضاءات الدلالية إلى أكثر من عشرين عامًا. ففي عام ١٩٩٦، نُشرت ورقتان بحثيتان أثارتا اهتمامًا واسعًا حول فكرة إنشاء الفضاءات الدلالية: التحليل الدلالي الكامن [ ٤ ] ونظير الفضاء الفائق للغة [ ٥ ] . إلا أن اعتمادهما كان محدودًا بسبب الجهد الحسابي الكبير المطلوب لإنشائهما واستخدامهما. وفي عام ٢٠٠٧، تحقق تقدم ملحوظ في دقة نمذجة العلاقات الترابطية بين الكلمات (مثل "شبكة العنكبوت"، "ولاعة سيجارة"، مقارنةً بالعلاقات الترادفية مثل "حوت-دلفين"، "رائد فضاء-سائق") بفضل التحليل الدلالي الصريح (ESA) [ ٦ ]. وكان ESA منهجًا جديدًا (غير قائم على التعلم الآلي) يُمثل الكلمات على شكل متجهات ذات ١٠٠٠٠٠ بُعد (حيث يُمثل كل بُعد مقالة في ويكيبيديا ). إلا أن التطبيقات العملية لهذا النهج محدودة بسبب العدد الكبير من الأبعاد المطلوبة في المتجهات.

في الآونة الأخيرة، أدت التطورات في تقنيات الشبكات العصبية بالاشتراك مع مناهج جديدة أخرى ( الموترات ) إلى مجموعة من التطورات الحديثة الجديدة: Word2vec [ 7 ] من جوجل ، و GloVe [ 8 ] من جامعة ستانفورد ، و fastText [ 9 ] من مختبرات أبحاث الذكاء الاصطناعي في فيسبوك (FAIR).

انظر أيضاً

مراجع

  1. ↑ يُشار إليها أيضًا باسم المساحات الدلالية الموزعة أو الذاكرة الدلالية الموزعة
  1. ↑ باروني، ماركو؛ لينسي، أليساندرو (2010). "الذاكرة التوزيعية: إطار عام للدلالات القائمة على المدونات اللغوية". اللغويات الحاسوبية . 36 (4): 673-721 . CiteSeerX 10.1.1.331.3769 . doi : 10.1162/coli_a_00016 . S2CID 5584134 .  
  2. ↑ سكوت سي. ديرويستر؛ سوزان تي. دومايس؛ توماس ك. لانداور؛ جورج دبليو. فورناس؛ ريتشارد أ. هارشن (1990). "الفهرسة بواسطة التحليل الدلالي الكامن" (ملف PDF) . مجلة الجمعية الأمريكية لعلوم المعلومات .
  3. ↑ شينغ وي؛ دبليو. بروس كروفت (2007). "دراسة أداء الاسترجاع باستخدام نماذج المواضيع المبنية يدويًا" . وقائع مؤتمر RIAO '07: الوصول الدلالي واسع النطاق إلى المحتوى (النص، الصورة، الفيديو، والصوت) . RIAO '07: 333-349 .
  4. ↑ "LSA: حل لمشكلة أفلاطون" . lsa.colorado.edu . تم الاطلاع عليه بتاريخ 19-04-2016 .
  5. ↑ لوند، كيفن؛ بورغيس، كورت (1996-06-01). "إنتاج فضاءات دلالية عالية الأبعاد من التواجد المشترك للمفردات" . أساليب البحث السلوكي، والأدوات، والحواسيب . 28 (2): 203-208 . doi : 10.3758/BF03204766 . ISSN 0743-3808 . 
  6. ↑ إيفجيني غابريلوفيتش وشاؤول ماركوفيتش (2007). "حساب الترابط الدلالي باستخدام التحليل الدلالي الصريح القائم على ويكيبيديا" (ملف PDF) . وقائع المؤتمر الدولي المشترك العشرين حول الذكاء الاصطناعي (IJCAI). الصفحات 1606-1611 . مؤرشف من الأصل (ملف PDF) بتاريخ 29 أكتوبر 2019. تم الاطلاع عليه بتاريخ 15 سبتمبر 2019 .
  7. ↑ توماس ميكولوف؛ إيليا سوتسكيفر؛ كاي تشين؛ جريج كورادو؛ جيفري دين (2013). "التمثيلات الموزعة للكلمات والعبارات وتكوينها". arXiv : 1310.4546 [ cs.CL ].
  8. ↑ جيفري بينينجتون؛ ريتشارد سوشر؛ كريستوفر د. مانينغ (2014). "GloVe: Global Vectors for Word Representation" (PDF) .
  9. ↑ مانس، جون (2 مايو 2017). "مكتبة fastText من فيسبوك مُحسّنة الآن للأجهزة المحمولة" . TechCrunch . تم الاطلاع عليه بتاريخ 12 يناير 2018 .