文件名称:作为神经机器翻译的表达本体学习-研究论文
文件大小:603KB
文件格式:PDF
更新时间:2024-06-29 13:47:36
ontology learning neural
文献中提出了从非结构化文本源中自动学习本体作为支持语义应用知识建模的困难和耗时任务的一种方式。 在本文中,我们提出了一个基于编码器-解码器配置中的神经网络的系统,通过句法转换将自然语言定义转换为描述逻辑公式。 该模型已被评估为评估其概括不同句法结构的能力,容忍未知单词,并通过用新的带注释的示例丰富训练集来提高其性能。 在我们的评估中获得的结果表明,将本体学习问题作为神经机器翻译任务来处理如何成为解决长期表达性本体学习挑战(例如语言可变性、领域独立性和高工程成本)的有效方法。