Resumen

La generación de paráfrasis es una tarea esencial pero difícil en el procesamiento del lenguaje natural. Los enfoques basados en redes neuronales para la generación de paráfrasis han logrado un éxito notable en los últimos años. Los enfoques anteriores de generación de paráfrasis neuronales ignoran el conocimiento lingüístico, como la información de la parte del discurso, independientemente de su disponibilidad. La suposición subyacente es que las redes neuronales podrían aprender dicha información de forma implícita cuando se les dieran suficientes datos. Sin embargo, sería difícil para las redes neuronales aprender dicha información de forma adecuada cuando los datos son escasos. En este trabajo, nos esforzamos por investigar la eficacia de la información explícita de parte del discurso para la tarea de generación de paráfrasis en escenarios de bajos recursos. Para ello, ideamos tres mecanismos para fusionar la información parcial del habla en el marco del aprendizaje secuencia a secuencia. Demostramos la utilidad de la información parcial del habla en la generación de paráfrasis con pocos recursos a través de extensos experimentos en múltiples conjuntos de datos de diferentes tamaños y géneros.

• Materias:Inteligencia artificial Minería de datos Algoritmos genéticos Neurofisiología Proceso de aprendizaje
• Subjects:Artificial intelligence Data mining Genetic algorithms Neurophysiology Learning processes
• Palabras claves:información del habla, red neuronal, generación de paráfrasis, marco de la secuencia, enfoque de generación de paráfrasis, paráfrasis neuronal previa, dados los datos suficientes, logrado un éxito notable, utilidades de la parte, procesamiento del lenguaje natural
• Keywords:speech information, neural net, paraphrase generation, framework of sequence, paraphrase generation approach, previous neural paraphrase, given sufficient data, achieved remarkable success, utilities of part, natural language processing