Ableitung lokaler relationaler Oberflächenformen aus abhängigkeitsbasierten Entitäts-Einbettungen für unüberwachtes Verständnis gesprochener Sprache

Neuere Arbeiten zeigten den Trend, webbasierte strukturierte semantische Wissensressourcen wie Freebase für das Verständnis gesprochener Sprache im offenen Bereich zu nutzen. Wissensgraphen bieten ausreichende, aber mehrdeutige Relationen für dieselbe Entität, die als statistisches Hintergrundwissen verwendet werden können, um mögliche Relationen zur Interpretation der Benutzeräußerungen abzuleiten. In diesem Papier wird ein Ansatz vorgeschlagen, um die relationalen Oberflächenformen zu erfassen, indem die abhängigkeitsbasierten Kontexte von Entitäten aus dem Textbereich in den gesprochenen Bereich abgebildet werden. Relationale Oberflächenformen werden aus abhängigkeitsbasierten Entitäts-Einbettungen gelernt, die die Kontexte von Entitäten aus Abhängigkeitsbäumen in einem tiefen Lernmodell kodieren. Die abgeleiteten Oberflächenformen tragen funktionale Abhängigkeiten zu den Entitäten und vermitteln den expliziten Ausdruck von Relationen. Die Experimente zeigen die Effizienz der Nutzung von abgeleiteten relationalen Oberflächenformen als lokale Hinweise zusammen mit vorherigem Hintergrundwissen.