摘要：
人工智能“理解”话语了吗 ——《我们赖以生存的意义》读书笔记（下） (PS. 本文首发于知乎~ 地址在这） 六、小结模拟，还原真相 在上一节中我们知道，单词和语法结构是组成话语的积木，理解句子的意义需要具备辨认积木并加以组合的能力。那么，实际运用这些积木的流程是什么样的？ 人类语言有一个特点，是线性 阅读全文
摘要：
人工智能“理解”话语了吗 ——《我们赖以生存的意义》读书笔记（上） (PS. 本文首发于知乎~ 地址在这） “这是一本关于你如何理解语言的书。” 前不久花了一周的时间读完《我们赖以生存的意义》（英文名《Louder Than Words》）觉得非常有意思。看完后对关于语言学和认知心理学中一些模糊的问 阅读全文
摘要：
在上一篇文章中，我们介绍了什么是概念化和组合性，而常识推理对于判断新组合的可靠性是十分重要的。
往泛了说，常识推理是附属于自然语言推理（NLI）领域的一个子任务。除了之前提到的WSC之外，近年来面向NLI的benchmark任务数量在飞速增涨。尤其是2018年，涌现出了比以往任何时候都规模更大且数量更多的benchmark。 阅读全文
摘要：
现实世界中概念的组合是无穷无尽的，缺训练数据就补训练数据的方法只是杯水车薪。而人类的推理能力是及其复杂的，它依赖于概念化(conceptualization) 和 组合性(compositionality) 阅读全文
摘要：
There are multi-grained semantic units in natural languages such as word, phrase, sentence, document. We have seen how to learn a word representation in [link]. In this post, we will focus on phrase, sentence and document representation learning. 阅读全文
摘要：
Word representation is a process that transform the symbols to the machine understandable meanings. Now we start to discuss some ways of obtaining word representations. 阅读全文