Automatic natural language understanding enables natural communication with computers and computer-assisted access to the content of large document collections. While classical approaches to artificial intelligence anticipate all possible situations and interactions in form of a fully specified dialogue model or ontology, they are hard to adapt to new domains and do not cope well with language change. In this talk, I will motivate an adaptive, purely data-driven approach to natural language processing. Illustrated by recent research prototypes, three stages of data-driven adaptation will be illustrated: feature/resource induction, induction of processing components and continuous data-driven learning. Finally, I will discuss current research and future directions regarding the integration of symbolic and statistical knowledge, interpretability of language processing components as well as advanced forms of information access.
Dieses Video darf in andere Webseiten eingebunden werden. Kopieren Sie dazu den Code zum Einbetten und fügen Sie diesen an der gewünschten Stelle in den HTML-Text einer Webseite ein. Geben Sie dabei bitte immer die Quelle an und verweisen Sie auf Lecture2Go!
Bitte klicken Sie auf den nachfolgenden Link und füllen Sie daraufhin die notwendigen Felder aus, um unser Support-Team zu kontaktieren!
Link zu der RRZ-Support-Seite
