Till sidans topp

Sidansvarig: Webbredaktion
Sidan uppdaterades: 2012-09-11 15:12

Tipsa en vän
Utskriftsversion

A Compositional Bayesian … - Göteborgs universitet Till startsida
Webbkarta
Till innehåll Läs mer om hur kakor används på gu.se

A Compositional Bayesian Semantics for Natural Language

Paper i proceeding
Författare Jean-Philippe Bernardy
Rasmus Blanck
Stergios Chatzikyriakidis
Shalom Lappin
Publicerad i Proceedings of the First International Workshop on Language Cognition and Computational Models, COLING 2018, August 20, 2018 Santa Fe, New Mexico, USA
ISBN 978-1-948087-57-5
ISSN 1525-2477
Förlag COLING
Publiceringsår 2018
Publicerad vid Institutionen för filosofi, lingvistik och vetenskapsteori
Språk en
Länkar https://drive.google.com/file/d/15z...
https://gup.ub.gu.se/file/207515
Ämnesord Bayesian models, probabilistic semantics, probabilistic programming languages, Markov Chain Monte Carlo sampling
Ämneskategorier Datorlingvistik

Sammanfattning

We propose a compositional Bayesian semantics that interprets declarative sentences in a natural language by assigning them probability conditions. These are conditional probabilities that estimate the likelihood that a competent speaker would endorse an assertion, given certain hypotheses. Our semantics is implemented in a functional programming language. It estimates the marginal probability of a sentence through Markov Chain Monte Carlo (MCMC) sampling of objects in vector space models satisfying specified hypotheses. We apply our semantics to examples with several predicates and generalised quantifiers, including higher-order quantifiers. It captures the vagueness of predication (both gradable and non-gradable), without positing a precise boundary for classifier application. We present a basic account of semantic learning based on our semantic system. We compare our proposal to other current theories of probabilistic semantics, and we show that it offers several important advantages over these accounts.

Sidansvarig: Webbredaktion|Sidan uppdaterades: 2012-09-11
Dela:

På Göteborgs universitet använder vi kakor (cookies) för att webbplatsen ska fungera på ett bra sätt för dig. Genom att surfa vidare godkänner du att vi använder kakor.  Vad är kakor?