你和“懂AI”之間，只差了一篇論文

很多讀者給芯君后臺(tái)留言，說(shuō)看多了相對(duì)簡(jiǎn)單的AI科普和AI方法論，想看點(diǎn)有深度、有厚度、有眼界……以及重口味的專(zhuān)業(yè)論文。

為此，在多位AI領(lǐng)域的專(zhuān)家學(xué)者的幫助下，我們解讀翻譯了一組頂會(huì)論文。每一篇論文翻譯校對(duì)完成，芯君和編輯部的老師們都會(huì)一起笑到崩潰，當(dāng)然有的論文我們看得抱頭痛哭。

同學(xué)們現(xiàn)在看不看得懂沒(méi)關(guān)系，但芯君敢保證，你終有一天會(huì)因此愛(ài)上一個(gè)AI的新世界。

讀芯術(shù)讀者論文交流群，請(qǐng)加小編微信號(hào)：zhizhizhuji。等你。

這是讀芯術(shù)解讀的第76篇論文

EMNLP 2017 System Demonstrations

KnowYourNyms？一種語(yǔ)義關(guān)系改編游戲

KnowYourNyms?A Game of Semantic Relationships Adaptation

賓夕法尼亞大學(xué)

University of Pennsylvania

【摘要】語(yǔ)義關(guān)系知識(shí)對(duì)于自然語(yǔ)言理解至關(guān)重要。我們介紹KnowYourNyms，一種用于學(xué)習(xí)語(yǔ)義關(guān)系的web網(wǎng)絡(luò)游戲。在為用戶提供有吸引力體驗(yàn)的同時(shí)，應(yīng)用程序可以收集大量可用于改進(jìn)語(yǔ)義關(guān)系分類(lèi)器的數(shù)據(jù)。數(shù)據(jù)還很有廣度地告訴我們?nèi)藗內(nèi)绾尾煊X(jué)詞之間的關(guān)系，為心理學(xué)和語(yǔ)言學(xué)研究提供有用的見(jiàn)解。

1 引言

語(yǔ)義關(guān)系的知識(shí)可以幫助眾多需要從文本推斷意義的NLP任務(wù)，例如文本分類(lèi)、內(nèi)容分析和查詢(xún)回答。我們將“有目的的游戲”的方法（von Ahn and Dabbish，2004）應(yīng)用于發(fā)現(xiàn)詞之間語(yǔ)義關(guān)系的任務(wù)。我們的目標(biāo)是通過(guò)這種類(lèi)型的眾包來(lái)收集大量準(zhǔn)確標(biāo)注的詞匯關(guān)系。與完全自動(dòng)或手動(dòng)關(guān)系識(shí)別過(guò)程相比，由于可以免費(fèi)獲取大量高質(zhì)量的數(shù)據(jù)，游戲機(jī)制提供了幾個(gè)優(yōu)點(diǎn)。

我們創(chuàng)造了一個(gè)名為KnowYourNyms的簡(jiǎn)單游戲。口號(hào)是保持你的大腦警覺(jué)。它要求玩家在短時(shí)間內(nèi)列出提示的單詞。隨著秒數(shù)的下降，他們可以輸入盡可能多的答案，如“什么是海鮮？”或“火山有哪些部分”或“與脂肪相對(duì)的是什么”的提示。表1顯示了我們的玩家為回應(yīng)這些問(wèn)題提供的下義詞，別名和反義詞。他們的答案對(duì)于自然語(yǔ)言理解應(yīng)用的訓(xùn)練數(shù)據(jù)很有用，并且可能為心理語(yǔ)言學(xué)研究提供有用的視角。

可以去www.know-your-nyms.com去玩KnowYourNyms 。

海鮮的下義詞：魚(yú)類(lèi)54，蝦53，龍蝦38，蟹36，蛤24，鮭魚(yú)17，牡蠣12，扇貝12，貝類(lèi)10，貽貝（10），鱈魚(yú)（7），金槍魚(yú)（7），羅非魚(yú)（5），鯨魚(yú)（4），鱒魚(yú)（4），章魚(yú)（4），鯊魚(yú)（4），魷魚(yú)（3），蝦（3）（2），鯰魚(yú)（2），旗魚(yú)（2），鰻魚(yú)（2），壽司（2），低音（2），魷魚(yú)（2），繆斯（2）。

詞語(yǔ)建議一次：muss-，珍珠，suslhi，蝦，schrimp，海豹，hadsoxk，螃蟹，棕褐色，scampop，scalop，海草，海豚，fi-，seaww-，snapper，s-，pr-，鱸魚(yú)，湯，沙丁魚(yú)，mahi，herrin，mussells，tipica，tun-，lob-，sa-，osyter，crawdad，roe，swai-，cram-，pa-，魚(yú)子醬，看，鯉魚(yú)，oyste-，sw-，musse-。

火山熔巖：熔巖（32），巖石（12），巖漿（10），山（9），火山口（9），煙（7），噴發(fā)（7），灰（6），火（6）（4），熱（4），口（3），蒸汽（2），危險(xiǎn)（2），粉塵（2），火山（2），錐體（2），核心（2），geodes（2）。

說(shuō)過(guò)一次的：地殼，能源，山，熱，村，硫磺，山，火山口，喉嚨，pummice，天然氣，頂部，側(cè)面，窗臺(tái)，石頭，火花，motlen，法律，日本，開(kāi)幕，土壤，頭，地球，金屬，op-，懸崖，cond-，cr-，pl-，流量，壓力，噴口，粘土，污染，沉淀物，邊緣

脂肪的反義詞：瘦（15），瘦（13），苗條（5），苗條（4），?。?），微?。?），合身（3），修剪（2），瘦（2）。

說(shuō)過(guò)一次的：delgado，svelt，narrow，bare，attracive，anorexic，teeny，體重不足，bulemic，形狀，under-，wispy，健康，light，smal-，little。

表1 由KnowYourNyms?玩家提供的例子關(guān)系

2 相關(guān)工作

已經(jīng)開(kāi)發(fā)了幾種具有目的的游戲（GWAP），用于收集語(yǔ)言學(xué)標(biāo)注來(lái)構(gòu)建資源并訓(xùn)練系統(tǒng)（Chamberlain et al, 2013）。Lafourcade（2007）和Fort等(2014年）開(kāi)發(fā)了用法語(yǔ)定義語(yǔ)義關(guān)系和依賴(lài)關(guān)系的游戲。Chamberlain等人（2008）創(chuàng)建了短語(yǔ)偵探來(lái)注釋和驗(yàn)證共同參考。Jurgens和Navigli（2014）最近提出使用視頻游戲?qū)ordNet感覺(jué)鏈接到圖像并執(zhí)行詞義消歧。 KnowYourNyms收集英文單詞之間的高質(zhì)量語(yǔ)義關(guān)系，以增加Word-Net等資源的覆蓋面，并為Paraphrase數(shù)據(jù)庫(kù)分配一個(gè)分類(lèi)結(jié)構(gòu)（Ganitkevitch et al，2013）。另外，它還為L(zhǎng)exNET（Shwartz和Dan，2016）等訓(xùn)練關(guān)系檢測(cè)系統(tǒng)提供了豐富的數(shù)據(jù)。到目前為止，已經(jīng)對(duì)小型訓(xùn)練數(shù)據(jù)集進(jìn)行了訓(xùn)練（BLESS（Baroni and Lenci，2011）），EVA Lution（Santus et al, 2015），ROOT9（Santus等人，2016）和K＆H + N（Necsulescu等人，2015））。

3 系統(tǒng)概述

KnowYourNyms模仿的是ESP游戲或Google Image Labeler這樣的GWAP，它使用基于人的計(jì)算來(lái)收集元數(shù)據(jù)來(lái)改進(jìn)圖像識(shí)別分類(lèi)器（von Ahn and Dabbish，2004）。在高層次上，應(yīng)用很簡(jiǎn)單。一旦用戶創(chuàng)建一個(gè)賬戶，她可以開(kāi)始一輪游戲。對(duì)于每一輪，系統(tǒng)選擇一個(gè)特定單詞（稱(chēng)為“基本單詞”），并要求用戶在設(shè)定的時(shí)限內(nèi)盡可能多地命名該單詞的語(yǔ)義關(guān)系對(duì)。在分配的時(shí)間到期后，這些命名對(duì)的記錄將存儲(chǔ)在我們的數(shù)據(jù)庫(kù)中，并作為可能的語(yǔ)義關(guān)系的數(shù)據(jù)點(diǎn)。然后，用戶可以看到她的評(píng)分性能的顯示，這主要是基于其他用戶給出的相同關(guān)系的數(shù)量。以這種方式，這個(gè)評(píng)分可以反映出“家庭挑戰(zhàn)賽”（Family Feud），這是一個(gè)受歡迎的游戲節(jié)目，激勵(lì)以與同齡人最相似的方式回答問(wèn)題。評(píng)分屏幕還顯示了最常見(jiàn)的問(wèn)題解答，以合適的方式分配。一旦完成，另一輪開(kāi)始。這些回合是短暫的（5-20秒，取決于關(guān)系類(lèi)型），這使得游戲在短時(shí)間內(nèi)很有趣，容易上手。

4 系統(tǒng)實(shí)現(xiàn)

4.1 架構(gòu)

Web應(yīng)用程序使用Django框架構(gòu)建，使用Python進(jìn)行所有后端和數(shù)據(jù)庫(kù)交互，并使用前端的標(biāo)準(zhǔn)Java，HTML和CSS（包括jQuery，d3.js和Bootstrap Java/CSS）。我們使用AWS Elastic Beanstalk，它將我們的Django Web應(yīng)用程序部署到AWS EC2服務(wù)器。該應(yīng)用程序具有對(duì)用戶體驗(yàn)至關(guān)重要的多個(gè)組件，分為三個(gè)主要視圖。

歡迎屏幕 該屏幕提供有關(guān)游戲的目的信息，什么是語(yǔ)義關(guān)系，如何玩，還有一些關(guān)于我們的團(tuán)隊(duì)信息。當(dāng)用戶登錄這個(gè)屏幕時(shí)，會(huì)顯示一些關(guān)于玩家的統(tǒng)計(jì)數(shù)據(jù)，包括已完成的回合數(shù)，總得分和每輪的平均得分。顯示四個(gè)復(fù)選框，一個(gè)用于每個(gè)可播放的語(yǔ)義關(guān)系類(lèi)型（同義詞，反義詞，下義詞，局部關(guān)系詞）。這些允許用戶選擇要玩耍的關(guān)系。默認(rèn)是全部選中。

玩游戲 當(dāng)每一輪開(kāi)始時(shí)，定時(shí)器立即開(kāi)始。為了回答問(wèn)題提示，用戶可以在文本形式中輸入盡可能多的語(yǔ)義關(guān)系。每個(gè)離散答案都被稱(chēng)為輸入字。表單在按Tab或輸入時(shí)動(dòng)態(tài)生成，因?yàn)樵谶@一輪中需要許多輸入單詞。在20秒結(jié)束時(shí)，輪次立即結(jié)束，用戶被指向評(píng)分頁(yè)。

得分頁(yè) 圖1顯示了一個(gè)玩家在一輪之后所看到的。此評(píng)分頁(yè)面顯示玩家的兩個(gè)項(xiàng)目。第一個(gè)是在一輪中所有輸入單詞的表格分解，將每個(gè)單詞映射到該單詞的分?jǐn)?shù)。它還包括總回合得分。第二個(gè)是顯示該問(wèn)題的最佳答案的條形圖。在這里，用戶可以觀察到與整個(gè)人群相比，他們識(shí)別出和沒(méi)有識(shí)別出的關(guān)系。

圖1 此示例評(píng)分頁(yè)面顯示玩家的單詞的分?jǐn)?shù)以及最佳答案

圖2 KnowYourNyms的程序流程。圖的下半部分從用戶的角度描繪了應(yīng)用功能（前端）。該圖的上半部分顯示了系統(tǒng)后端的組件。請(qǐng)注意，“語(yǔ)義關(guān)系分類(lèi)器”褪色，因?yàn)槲覀冊(cè)陔x線設(shè)置中對(duì)玩家的數(shù)據(jù)進(jìn)行了訓(xùn)練和測(cè)試（參見(jiàn)第6.2節(jié)）。

4.2 基本詞選擇

表2 每種關(guān)系類(lèi)型的基本詞數(shù)量

基礎(chǔ)詞是每輪問(wèn)題的基礎(chǔ)；它們是潛在的（X，Y）語(yǔ)義關(guān)系對(duì)中的“X”。良好的基詞對(duì)于好問(wèn)題是至關(guān)重要的，因?yàn)椤叭驱坱riceratops”或一個(gè)“球體sphere”的許多部分不一定有很好的同義詞。為了解決這些問(wèn)題，我們?yōu)榛締卧~構(gòu)建了四個(gè)單獨(dú)的詞匯列表，一個(gè)用于從WordNet提取的每個(gè)允許的語(yǔ)義關(guān)系類(lèi)型。我們選擇WordNet中至少有一個(gè)同義詞或反義詞，或至少有三個(gè)下位詞或別名的詞匯。為了確保我們不向用戶詢(xún)問(wèn)罕見(jiàn)的單詞，這樣會(huì)導(dǎo)致用戶停止玩游戲，我們只保留在Google n-gram語(yǔ)料庫(kù)中出現(xiàn)至少1,000,000次的單字和雙字。表2顯示了WordNet為每種類(lèi)型保留的基本單詞數(shù)。最后，我們集成了一個(gè)“跳過(guò)”按鈕，允許用戶跳過(guò)他們無(wú)法想到任何良好關(guān)系的查詢(xún)的單詞。

4.3 得分

我們通過(guò)在每輪結(jié)束時(shí)給予他們一個(gè)分?jǐn)?shù)來(lái)鼓勵(lì)玩家。得分是基于給予相同基詞和關(guān)系類(lèi)型的其他用戶命名的百分比。

最后，該分?jǐn)?shù)也可能通過(guò)WordNet獎(jiǎng)金來(lái)增強(qiáng)，這是一個(gè)簡(jiǎn)單的布爾檢查，是否在WordNet中通過(guò)此特定關(guān)系鏈接詞對(duì)。每個(gè)單詞的總分是這些值的總和，按最終得分表中的降序排序。

4.4 數(shù)據(jù)可視化

為了使用戶能夠看到每一輪最通常的反應(yīng)，評(píng)分頁(yè)中包含一個(gè)條形圖，顯示前5個(gè)響應(yīng)以及給予它們的以前用戶的百分比。計(jì)分的百分比計(jì)算在后端實(shí)現(xiàn)。在前端，我們使用數(shù)據(jù)可視化庫(kù)d3.js，以便動(dòng)態(tài)創(chuàng)建一個(gè)條形圖，縮放到適合窗口的大小。這允許在移動(dòng)設(shè)備上看到圖形，或者在用戶更改桌面窗口的大小時(shí)進(jìn)行動(dòng)態(tài)調(diào)整大小。

5 設(shè)計(jì)決策

5.1 用戶識(shí)別

我們要求用戶創(chuàng)建一個(gè)帳戶。這一設(shè)計(jì)決策主要是出于質(zhì)量控制的考慮。由于我們不期望所有用戶能夠提供良好答案，因此我們能夠清除惡意用戶是很重要的，這樣使得我們可以收集具有足夠高質(zhì)量的數(shù)據(jù)用于研究目的。用戶識(shí)別的另一個(gè)好處是它允許不能多次呈現(xiàn)具有相同查詢(xún)的用戶，因?yàn)檫@可能會(huì)使數(shù)據(jù)偏離。

5.2 詞匯表選取

每個(gè)用戶以特定的方式遍歷基本單詞列表。與完全隨機(jī)選擇相比，這具有不重復(fù)單詞的優(yōu)點(diǎn)，直到所有單詞用戶都玩過(guò)。從用戶體驗(yàn)的角度來(lái)看，幾輪過(guò)后給用戶呈現(xiàn)相同的單詞是不能接受的。此外，讓不同的用戶玩相同的單詞是重要的，因?yàn)檫@樣可以做到更好的評(píng)分和百分比可視化。最后，由于我們以更集中的方式收集較少的基本詞匯，所以這種遍歷有助于學(xué)習(xí)高信任關(guān)系。為了涵蓋更多的單詞，我們決定允許少量的隨機(jī)性，它包括從五個(gè)項(xiàng)目的整個(gè)詞匯列表中隨機(jī)抽取一個(gè)單詞。

6 評(píng)估

6.1 眾包途徑

為了評(píng)估我們的游戲，我們問(wèn)了160名在亞馬遜土耳其機(jī)器人上玩了KnowYourNyms十輪的眾包工人。我們的目的是使用數(shù)據(jù)讓游戲成熟，以便普通用戶可以根據(jù)以前玩家建議的單詞來(lái)獲得分?jǐn)?shù)。雖然這些工人只被要求玩十個(gè)回合，但許多人還是打了三十四十甚至一百場(chǎng)比賽。從這些工作人員中，我們收到了超過(guò)15,000個(gè)用戶投入。表3列出了我們迄今收集的關(guān)聯(lián)事項(xiàng)。以下是我們的關(guān)系類(lèi)型中最常用的單詞對(duì)的例子。同義詞包括馬馬，森林森林，森林樹(shù)，行走，電力，四面體，看景，頻繁，木本林和瘟疫。反義詞包括睡眠醒來(lái)，有限無(wú)限的，前綴后綴，期望不良，相似性差異，相似性不同，搭便車(chē)，不成熟，喚醒睡眠和無(wú)菌骯臟。名詞包括刀柄，刀刀，鏈條，樹(shù)林，書(shū)封，文字，冰水，月日，水族館魚(yú)和鏈條金屬。異名詞包括海鮮魚(yú)，海鮮蝦，海鮮龍蝦，睡眠深度，相似性，海鮮蟹，石膏巴黎，亞洲中國(guó)人，亞洲日本人和搭車(chē)拖車(chē)。粗體條目是WordNet中不存在的關(guān)系。

表3 在不同的置信水平下學(xué)習(xí)的關(guān)系的數(shù)量，其中置信度是由命名關(guān)系的用戶（n）的數(shù)量來(lái)衡量的。我們將這個(gè)與WordNet中的相同基數(shù)詞的關(guān)系數(shù)量進(jìn)行比較。

我們調(diào)查了群眾工作者對(duì)游戲的感受，以及他們是否會(huì)再玩。前30名人群的玩家是最先完的，他們的分?jǐn)?shù)很多都是空的（游戲依賴(lài)于以前的玩家）。那些工作人員的平均得分為3.9 / 5，經(jīng)驗(yàn)值為3.8 / 5。然而，我們的第二組人群中，已經(jīng)有了更多的輪次，這樣可以提高得分。這些工作人員的平均分?jǐn)?shù)為4.46 / 5，再次玩的打分打出了4.43 / 5。此外，許多第二輪工人留下評(píng)論，指出他們“喜歡這個(gè)上癮的游戲”，游戲“很有趣”，“讓你快速思考”，“真正喚醒大腦”，并提出有用的建議改進(jìn)。玩游戲的積極反應(yīng)（特別是積分變化越來(lái)越清晰），證明這個(gè)游戲可能會(huì)更大規(guī)模地運(yùn)行，并且可以從玩家那里免費(fèi)收集重要的關(guān)鍵詞數(shù)據(jù)。

6.2 分類(lèi)器評(píng)估

為了演示如何將這個(gè)游戲用于收集語(yǔ)義關(guān)系分類(lèi)器的訓(xùn)練數(shù)據(jù)，我們使用我們的玩家的數(shù)據(jù)來(lái)訓(xùn)練和評(píng)估最先進(jìn)的語(yǔ)義關(guān)系分類(lèi)器LexNET（Shwartz和Dagan，2016）。我們的數(shù)據(jù)集由至少五個(gè)用戶提出的8613個(gè)名詞，反義詞，同義詞對(duì)和6228個(gè)隨機(jī)字對(duì)組成。從這14,841對(duì)，我們提取了一組951對(duì)進(jìn)行測(cè)試，并使用剩余的4675對(duì)，其組成詞與測(cè)試集不與訓(xùn)練和驗(yàn)證重疊。分類(lèi)器在測(cè)試集上實(shí)現(xiàn)了總體加權(quán)平均F-score為0.34。該實(shí)驗(yàn)的全部結(jié)果在表4中給出。

表4 在對(duì)KnowYourNyms收集的數(shù)據(jù)進(jìn)行訓(xùn)練和評(píng)估時(shí)，LexNET語(yǔ)義關(guān)系分類(lèi)器的精確度，召回率和F分?jǐn)?shù)。

7 討論

我使這個(gè)游戲有趣的玩法之一是選擇容易讓人想到的答案的單詞和關(guān)系類(lèi)型。盡管我們嘗試過(guò)濾從WordNet中獲取的詞匯集合是具有多個(gè)WordNet關(guān)系的高頻詞，但我們發(fā)現(xiàn)許多玩家被我們的一些問(wèn)題所困擾。以下是大多數(shù)用戶按下“通過(guò)Pass”按鈕的問(wèn)題示例：

?什么是地質(zhì)學(xué)？（71％通過(guò)）

?什么是保護(hù)程序？（70％）

?與受孕有什么相反？（67％）

?區(qū)別對(duì)比是什么？（67％）

?什么是激素？（67％）

?臭名昭著的另一個(gè)字是什么？（60％）

?什么是下沉？（56％）

?什么是大麥種類(lèi)？（56％）

一些提示顯然比其他用戶更難回答。我們假設(shè)抽象詞（例如地質(zhì)學(xué)，沉沒(méi)，溶解）比混淆詞更難提供關(guān)系。一個(gè)單詞的注釋難度的指標(biāo)是用戶選擇跳過(guò)的次數(shù)：如果他們無(wú)法想到任何良好的關(guān)系，用戶可以選擇轉(zhuǎn)到下一輪。我們計(jì)算由Brysbaert等人（2014年）建立的數(shù)據(jù)集中的單詞難度之間的相關(guān)性被測(cè)量為跳過(guò)單詞的次數(shù)與被看到的次數(shù)之間的比例以及具體的分?jǐn)?shù)（以下簡(jiǎn)稱(chēng)“CONCRETE”），其中包含37,058個(gè)英文單詞和2,896個(gè)雙字表達(dá)式的評(píng)分。詞從按照低分詞（低值）到具有具體意義的詞（高值）的5分評(píng)分量表上排名。我們希望抽象的單詞比較具體的話難以處理，更頻繁地被用戶跳過(guò)。

我們對(duì)從KnowYourNyms提取的412個(gè)引理關(guān)系對(duì)執(zhí)行相關(guān)計(jì)算。從這些中，40對(duì)應(yīng)于不在CONCRETE中的特定術(shù)語(yǔ)和命名實(shí)體（例如，染色體，甲基，猶他州，墨西哥，病原學(xué)，植物區(qū)系，馬里蘭州）（僅包括85％的注釋者已知的詞，并排除專(zhuān)有名稱(chēng)）。我們打算使用CONCRETE中的存在作為識(shí)別對(duì)于注釋者來(lái)說(shuō)太難的單詞的標(biāo)準(zhǔn)，并且應(yīng)該被排除在我們的游戲之外。

對(duì)于剩余的372個(gè)單詞的Pearson相關(guān)結(jié)果表明在詞難度和具體性之間為-0.2007的負(fù)相關(guān)（p <0.001），證實(shí)了我們假設(shè)更多抽象詞更難處理。對(duì)于我們的人群中至少10次觀察到的CONCRETE 99個(gè)引理的修正值更高 0.3851（p <0.001）。

最后，我們打算根據(jù)（Vulic等人，2016）中提出的典型和逐步語(yǔ)義類(lèi)別成員來(lái)分析收集的關(guān)系，使其對(duì)文本承載任務(wù)更有用。

8 結(jié)論和未來(lái)工作

KnowYourNyms？游戲化收集在現(xiàn)有資源中找不到的特定語(yǔ)義關(guān)系的單詞對(duì)的過(guò)程。在為用戶提供有趣的經(jīng)驗(yàn)的同時(shí)，我們的應(yīng)用程序可以收集大量可用于改進(jìn)語(yǔ)義關(guān)系分類(lèi)器和內(nèi)容分析工具的數(shù)據(jù)。該應(yīng)用程序?yàn)檫M(jìn)一步開(kāi)發(fā)提供了令人興奮的可能性。隨著玩家數(shù)量的增長(zhǎng)，我們的詞匯關(guān)系數(shù)據(jù)集將不斷擴(kuò)大。這將為全面的應(yīng)用提供新的評(píng)估機(jī)會(huì)，并使我們對(duì)于人們?nèi)绾慰创Z(yǔ)言關(guān)系的理解感到濃厚。

9 軟件和數(shù)據(jù)

我們根據(jù)BSD開(kāi)源許可證發(fā)布了我們游戲基礎(chǔ)的軟件。我們提供如何設(shè)置自己的游戲?qū)嵗恼f(shuō)明，并用您自己的基本詞和語(yǔ)義關(guān)系類(lèi)型填充它。該軟件可從https://github.com/rossmechanic/know_your_nyms/獲得。在我們初次測(cè)試游戲時(shí)收集的包含語(yǔ)義關(guān)系的文件也包含在存儲(chǔ)庫(kù)中。

論文下載鏈接：

http://www.aclweb.org/anthology/D/D17/D17-2007.pdf

留言 點(diǎn)贊 發(fā)個(gè)朋友圈

我們一起探討AI落地的最后一公里