Gráf-transzformációk tanulása deep learning alapokon

2020-2021 tavasz

Nincs megadva

Téma leírása

A szemantikai elemzés célja, hogy természetes nyelvi adathoz készíthessünk szemantikai reprezentációt, így tudjuk modellezni a szöveg jelentését. Ha a nyelvi jelentést fogalmak irányított gráfjaival reprezentáljuk, ezeket pedig a mondat szintaktikai szerkezetét reprezentáló fákból kell előállítanunk, akkor a teljes feladat egyetlen komplex gráftranszformációként definiálható.

A népszerű szemantikai feladatokra, mint a szemantikai hasonlóság mérése vagy a gépi szövegértés ritkán használják a természetes nyelv szemantikájának a reprezentációját, főleg state-of-the art rendszerekben. Ezek a rendszerek többnyire szó embeddingeket használnak a szavak jelentésének ábrázolására, amik szavak jelentését legfeljebb néhány száz dimenziós valós vektorként ábrázolják.

A szóembeddingek mellett egy új megközelítés a gráf alapú szemantikai modellek transzformációinak tanulása.

A munka során a hallgató a gráf-hálózatok megismerésére szolgáló kutatáshoz csatlakozhat (pl. a Deepmind által fejlesztett Graph Nets ld. https://github.com/deepmind/graph_nets). Illetve cél az ilyen modellek különböző szemantikai feladatokon való kiértékelése is.

A szemantikai reprezentációkkal kapcsolatos munka szakdolgozat, diplomaterv és TDK-dolgozat alapja is lehet.

Maximális létszám: 1 fő