文献

J-GLOBAL ID：202002278690767510   整理番号：20A1759470

経験的モデルを用いた自然言語からのオブジェクト曖昧性の改善【JST・京大機械翻訳】

Improving Object Disambiguation from Natural Language using Empirical Models

著者 (2件)： Prendergast Daniel (University of Colorado Boulder, Boulder, CO, USA) ,  Szafir Daniel (University of Colorado Boulder, Boulder, CO, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICMI ’18  ページ： 477-485  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： ロボット,仮想補助者,および他のインテリジェントエージェントは,複雑なタスクにおいて人間とうまく相互作用し,協力するために,環境オブジェクトに対する言語参照を効果的に解釈する必要がある。しかし,オブジェクトの解消は自然言語におけるあいまいさのために困難なタスクである。オブジェクトを記述するときの不確実性を減らすために,人間は,しばしば,オブジェクトがシーンにおける他の特徴(すなわち参照オブジェクト)に対して位置するところを記述する,独特のオブジェクト特徴および位置付けプレポジション-プレポジションフレーズの組み合わせを使用する。ユニークなオブジェクト特徴および空間関係の確率的モデルに基づく,クラッタ環境におけるオブジェクト解消のための新システムを提案した。本研究は,空間関係意味論の事前モデルを,一連のクラウドソース調査から経験的データを収集し,コード化し,人々が位置付け前置をいかに利用するか,参照オブジェクトがどのように選択されるか,および3D空間(例えば「next to」と「beside」との区別を捉えるか)をいかにモデル化するかをよりよく理解する。提案アプローチは,任意の複雑性の化合物ロカティブフレーズに応答する新しい技術も紹介し,あいまいさに対する新しいメトリックを提案した。実験検証は,著者らの方法が,過去の手法でオブジェクトの曖昧さと性能を改善できることを明らかにした。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 相互作用 ,  意味論 ,  *言語 ,  不確実性 ,  ロボット ,  *自然言語 ,  クラッタ ,  確率モデル ,  曖昧さ
準シソーラス用語： インテリジェントエージェント ,  複雑性 ,  三次元空間 ,  ホップ数 , 【Automatic Indexing@JST】

著者キーワード (3件)： 接地 ,  位置決め的準備 ,  自然言語曖昧性解消

分類 (3件)： 図形・画像処理一般  (JE04010I) ,  人工知能  (JE08000Z) ,  ロボットの設計・製造・構造要素  (IC04013A)

タイトルに関連する用語 (4件)： 経験的モデル ,  言語 ,  オブジェクト ,  曖昧性