Resumen

La coherencia del discurso está fuertemente asociada con la calidad del texto, lo que la hace importante para la generación y comprensión del lenguaje natural. Sin embargo, los modelos de coherencia existentes se centran en medir aspectos individuales de la coherencia, como la superposición léxica, la centralización de entidades, la estructura retórica, etc., careciendo de medición de la semántica del texto. En este artículo, proponemos un método de análisis de coherencia del discurso que combina el embebido de oraciones y la cuadrícula dimensional, obtenemos una representación vectorial a nivel de oración mediante aprendizaje profundo, e introducimos un modelo de coherencia que captura las transiciones semánticas detalladas en el texto. Nuestro trabajo se basa en la hipótesis de que a cada dimensión en el vector de embebido se le asigna exactamente una certeza declarada y una semántica específica. Tomamos cada dimensión como una cuadrícula igual y calculamos sus probabilidades de transición.

• Materias:Funciones Flujo de información Estudio de población Modelado de sistemas Modelo de campo
• Subjects:Functions Information flow Population study System modeling Field model
• Palabras claves:Coherencia del discurso; Calidad del texto; Generación de lenguaje natural; Transiciones semánticas; Incrustación de oraciones; Modelo de coherencia
• Keywords:Discourse coherence; Text quality; Natural language generation; Semantic transitions; Sentence embedding; Coherence model