Təbii dilin emalı

Vikipediya, azad ensiklopediya
Naviqasiyaya keç Axtarışa keç

Təbii dilin emalı (Natural Language Processing (NLP))süni intellekt və riyazi dilçiliyin ümumi istiqaməti; danışıq, yaxud mətn şəklində təqdim olunan təbii dillərin kompüterin köməyilə analiz və sintezi problemlərini öyrənir. Analiz dedikdə dilin başa düşülməsi, sintez dedikdə isə savadlı mətnin generasiyası nəzərdə tutulur. Bu problemlərin həlli kompüter və insan arasında qarşılıqlı təsirin daha əlverişli formasının yaradıldığını bildirəcək.

Yanaşmalar[redaktə | mənbəni redaktə et]

Statistik yanaşma[redaktə | mənbəni redaktə et]

1980-ci illərin sonu və 1990-cı illərin ortalarında statistik yanaşma, qaydalara əsaslanan yanaşmaların səmərəsizliyi səbəbindən süni intellektin qış dövrünün sonunu gətirdi.[1][2]

Ən erkən qərar ağacları, "əgər–onda" sərt qaydalar sistemlərini yaradan, hələ də qaydalara əsaslanan köhnə yanaşmalara çox bənzəyirdi. Yalnız nitqin hissələrini qeyd etmək üçün tətbiq edilən gizli Markov modellərinin təqdimatı, qaydalara əsaslanan köhnə yanaşmanın sonunu elan etdi.

Neyron şəbəkələri[redaktə | mənbəni redaktə et]

Statistik metodların əsas çatışmazlığı ondan ibarətdir ki, onlar kompleks funksiya inkişafını tələb edirlər. 2015-ci ildən etibarən, statistik yanaşma, sözlərin semantik xüsusiyyətlərini tutmaq üçün söz yerləşdirmələrindən istifadə edən neyron şəbəkələri yanaşması ilə əvəz olundu.[3][4]

Aralıq tapşırıqlar (məsələn, nitq hissələrinin qeyd edilməsi və asılılıq təhlili) artıq tələb olunmurdu.

Ümumi meyllər və (mümkün) gələcək istiqamətlər[redaktə | mənbəni redaktə et]

Koqnitiv dilçiliklə əlaqələr NLP-nin tarixi irsinin bir hissəsidir, lakin 1990-cı illərin statistik dönüşündən sonra onlara daha az müraciət olunurdu.[5][6] Buna baxmayaraq, texniki olaraq fəaliyyət göstərə bilən çərçivələr yaratmaq üçün koqnitiv modellərin hazırlanmasına yanaşmalar müxtəlif çərçivələr kontekstində tətbiq olunurdu, məsələn, koqnitiv qrammatika,[7] funksional qrammatika,[8] konstruksiya qrammatikası, kompüter psixolinqvistikası və koqnitiv nevroelm (məsələn, ACT-R). Eynilə, koqnitiv NLP ideyaları multimodal NLP-nin neyron modellərində mövcuddur (baxmayaraq ki, nadir hallarda açıq şəkildə bildirilir) və süni intellekt sahəsində inkişaflar, xüsusən də böyük dil modellərindən istifadə edən yanaşmaları[9][10] və ümumi süni intellektdə yeni istiqamətləri, Londondakı Universitet Kollecindən olan britaniyalı neyrobioloq və nəzəriyyəçi Karl J. Fristonun azad enerji prinsipi əsasında inkişaf etdirir.[11]

Proqram təminatları[redaktə | mənbəni redaktə et]

  • AlchemyAPI
  • Expert System S.p.A.
  • General Architecture for Text Engineering
  • Modular Audio Recognition Framework
  • MontyLingua
  • Natural Language Toolkit)

Ədəbiyyat[redaktə | mənbəni redaktə et]

  • İsmayıl Calallı (Sadıqov), "İnformatika terminlərinin izahlı lüğəti", 2017, "Bakı" nəşriyyatı, 996 s.

İstinadlar[redaktə | mənbəni redaktə et]

  1. "How the Statistical Revolution Changes (Computational) Linguistics". aclanthology.org. 2024-05-18 tarixində arxivləşdirilib. İstifadə tarixi: 2024-05-18.
  2. "Four revolutions". languagelog.ldc.upenn.edu. 2024-05-18 tarixində arxivləşdirilib. İstifadə tarixi: 2024-05-18.
  3. "Word Embeddings in NLP". www.geeksforgeeks.org. 2024-05-14 tarixində arxivləşdirilib. İstifadə tarixi: 2024-05-18.
  4. "Natural language processing: state of the art, current trends and challenges Multimedia Tools and Applications". ugai-pmr.org. İstifadə tarixi: 2024-05-18.
  5. "The Evolution Of Natural Language Processing And Its Impact On AI". www.forbes.com. 2024-05-18 tarixində arxivləşdirilib. İstifadə tarixi: 2024-05-18.
  6. "The Evolution of NLP: Past, Present, and Future". www.peppercontent.io. 2024-05-15 tarixində arxivləşdirilib. İstifadə tarixi: 2024-05-18.
  7. "US patent 9269353". worldwide.espacenet.com. 2024-05-16 tarixində arxivləşdirilib. İstifadə tarixi: 2024-05-18.
  8. "Universal Conceptual Cognitive Annotation (UCCA)". universalconceptualcognitiveannotation.github.io. 2024-05-16 tarixində arxivləşdirilib. İstifadə tarixi: 2024-05-18.
  9. "Understanding the Anatomies of LLM Prompts: How To Structure Your Prompts To Get Better LLM Responses". www.codesmith.io. 2024-05-14 tarixində arxivləşdirilib. İstifadə tarixi: 2024-05-18.
  10. "Grounded Compositional Semantics for Finding and Describing Images with Sentences". direct.mit.edu. 2024-05-16 tarixində arxivləşdirilib. İstifadə tarixi: 2024-05-18.
  11. "Language models show human-like content effects on reasoning tasks". arxiv.org. 2024-05-16 tarixində arxivləşdirilib. İstifadə tarixi: 2024-05-18.