التحليل الدلالي

📅 آخر تحديث: ٢٤ يوليو ٢٠٢٦
✍️ نُشر في: ٢٤ يوليو ٢٠٢٦
📷 يحتوي على 3 صور
الموسوعة الحرة

التحليل الدلالي هو مهمة تحويل عبارة من لغة طبيعية إلى صيغة منطقية : تمثيل مفهوم آليًا لمعناها. [ 1 ] وبالتالي، يمكن فهم التحليل الدلالي على أنه استخلاص المعنى الدقيق للعبارة. تشمل تطبيقات التحليل الدلالي الترجمة الآلية ، [ 2 ] والإجابة على الأسئلة ، [ 1 ] [ 3 ] واستقراء الأنطولوجيا ، [ 4 ] والاستدلال الآلي ، [ 5 ] وتوليد الشفرة . [ 6 ] [ 7 ] وقد استُخدم هذا المصطلح لأول مرة في سبعينيات القرن الماضي من قِبل يوريك ويلكس كأساس لبرامج الترجمة الآلية التي تعمل بالتمثيلات الدلالية فقط. [ 8 ] يُعد التحليل الدلالي من المهام المهمة في اللغويات الحاسوبية ومعالجة اللغات الطبيعية.

بنية نظام التحليل الدلالي

يربط التحليل الدلالي النص بتمثيلات المعنى الرسمية. وهذا يختلف عن تصنيف الأدوار الدلالية وغيرها من أشكال المعالجة الدلالية السطحية، التي لا تهدف إلى إنتاج معانٍ رسمية كاملة. [ 9 ] في مجال رؤية الحاسوب ، يُعد التحليل الدلالي عملية تجزئة للأجسام ثلاثية الأبعاد. [ 10 ] [ 11 ]

المستويات الرئيسية للبنية اللغوية

التاريخ والخلفية

شملت الأبحاث المبكرة في التحليل الدلالي توليد القواعد النحوية يدويًا، [ 12 ] بالإضافة إلى استخدام منطق البرمجة التطبيقية. [ 13 ] في العقد الأول من الألفية الثانية، انصبّ معظم العمل في هذا المجال على إنشاء/تعلم واستخدام قواعد نحوية ومعاجم مختلفة في مهام مضبوطة، [ 14 ] [ 15 ] ولا سيما القواعد النحوية العامة مثل قواعد السياق الحر المتماسك (SCFGs). [ 16 ] وقد حسّن هذا من القواعد النحوية اليدوية بشكل أساسي لأنه استغل الطبيعة التركيبية للجملة، ولكنه مع ذلك لم يكن قادرًا على تغطية تنوع كافٍ ولم يكن قويًا بما يكفي للاستخدام في العالم الحقيقي. ومع ذلك، بعد تطوير تقنيات الشبكات العصبية المتقدمة، وخاصة نموذج Seq2Seq، [ 17 ] وتوفر موارد حاسوبية قوية، بدأ التحليل الدلالي العصبي في الظهور. لم يقتصر الأمر على تقديمه نتائج تنافسية على مجموعات البيانات الموجودة فحسب، بل كان أيضًا قويًا في مواجهة التشويش ولم يتطلب الكثير من الإشراف والتدخل اليدوي.

لم يكن الانتقال الحالي من التحليل النحوي التقليدي إلى التحليل الدلالي العصبي مثاليًا. فالتحليل الدلالي العصبي، رغم مزاياه، لا يزال قاصرًا عن حل المشكلة على مستوى أعمق. تتعامل النماذج العصبية، مثل Seq2Seq، مع مشكلة التحليل النحوي كمشكلة ترجمة تسلسلية، ويتعلم النموذج الأنماط بطريقة مبهمة، مما يعني أننا لا نستطيع التنبؤ بدقة ما إذا كان النموذج يحل المشكلة حقًا. وقد بُذلت جهود وتعديلات وسيطة على Seq2Seq لدمج بناء الجملة والمعنى الدلالي، [ 18 ] [ 19 ] مع تحسن ملحوظ في النتائج، ولكن لا يزال هناك الكثير من الغموض الذي يجب معالجته.

الأنواع

التحليل الدلالي السطحي

يهتم التحليل الدلالي السطحي بتحديد الكيانات في الجملة وتصنيفها وفقًا لأدوارها. يُعرف هذا التحليل أحيانًا باسم تحليل ملء الفراغات أو تحليل الإطار الدلالي، نظرًا لأن أساسه النظري مستمد من دلالات الإطار ، حيث تستحضر الكلمة إطارًا من المفاهيم والأدوار ذات الصلة. تُستخدم أنظمة ملء الفراغات على نطاق واسع في المساعدين الافتراضيين بالتزامن مع مصنفات النوايا، والتي يمكن اعتبارها آليات لتحديد الإطار الذي تستحضره الجملة. [ 20 ] [ 21 ] تعتمد البنى الشائعة لملء الفراغات بشكل كبير على نموذج المُشفِّر-المُفكِّك، حيث يتم تدريب شبكتين عصبيتين متكررتين (RNNs) معًا لتشفير الجملة في متجه وفك تشفير هذا المتجه إلى سلسلة من تصنيفات الفراغات. [ 22 ] يُستخدم هذا النوع من النماذج في نظام فهم اللغة المنطوقة Amazon Alexa . [ 20 ] يتبع هذا التحليل تقنيات التعلم غير المُشرف.

التحليل الدلالي العميق

يهتم التحليل الدلالي العميق، المعروف أيضًا بالتحليل الدلالي التركيبي، بإنتاج تمثيلات دقيقة للمعنى في العبارات التي قد تحتوي على تركيبية كبيرة . [ 23 ] تستطيع المحللات الدلالية السطحية تحليل عبارات مثل "أرني رحلات من بوسطن إلى دالاس" بتصنيف النية على أنها "سرد الرحلات"، وملء خانتي "المصدر" و"الوجهة" بـ "بوسطن" و"دالاس" على التوالي. مع ذلك، لا يستطيع التحليل الدلالي السطحي تحليل العبارات التركيبية العشوائية، مثل "أرني رحلات من بوسطن إلى أي مكان تتوفر فيه رحلات إلى جونو". يحاول التحليل الدلالي العميق تحليل هذه العبارات، عادةً بتحويلها إلى لغة تمثيل دلالي رسمية. في الوقت الحاضر، يستخدم التحليل الدلالي التركيبي نماذج لغوية ضخمة لحل مهام التعميم التركيبي الاصطناعي مثل SCAN. [ 24 ]

التحليل الدلالي العصبي

تلعب المحللات الدلالية دورًا محوريًا في أنظمة فهم اللغة الطبيعية، إذ تحوّل عبارات اللغة الطبيعية إلى هياكل منطقية أو برامج قابلة للتنفيذ آليًا. يُعدّ التحليل الدلالي مجالًا دراسيًا راسخًا، ويُستخدم في المساعدين الصوتيين، والإجابة على الأسئلة، واتباع التعليمات، وتوليد الشفرة. منذ ظهور الأساليب العصبية قبل عامين، أُعيد النظر في العديد من الافتراضات التي بُني عليها التحليل الدلالي، مما أدى إلى تغيير جوهري في النماذج المستخدمة فيه. مع أن الشبكة العصبية الدلالية والتحليل الدلالي العصبي [ 25 ] يتناولان معالجة اللغة الطبيعية والدلالات، إلا أنهما ليسا متطابقين. لطالما اعتمدت النماذج والصيغ التنفيذية المستخدمة في أبحاث التحليل الدلالي اعتمادًا كبيرًا على مفاهيم من الدلالات الرسمية في اللغويات، مثل حساب لامدا الذي ينتجه محلل CCG. مع ذلك، فقد أتاحت الأبحاث الحديثة في مجال محللات الدلالات العصبية (المشفر-المفكك) إمكانية استخدام أساليب أكثر سهولة، مثل لغات البرمجة التقليدية، ونماذج الترجمة الآلية العصبية (NMT) التي يسهل فهمها بشكل كبير لجمهور أوسع من المتخصصين في معالجة اللغات الطبيعية. سنقدم ملخصًا للمناهج العصبية المعاصرة في تحليل الدلالات، ونناقش تأثيرها على فهم هذا المجال لتحليل الدلالات.

لغات التمثيل

استخدمت المحللات الدلالية المبكرة لغات تمثيل معنوية شديدة التخصص في مجال معين، [ 26 ] بينما استخدمت الأنظمة اللاحقة لغات أكثر قابلية للتوسيع مثل برولوج ، [ 13 ] وحساب لامدا ، [ 16 ] والدلالات التركيبية القائمة على تبعية لامدا (λ-DCS)، [ 27 ] وSQL ، [ 28 ] [ 29 ] وبايثون ، [ 30 ] وجافا ، [ 31 ] ولغة تمثيل معنويات أليكسا، [ 20 ] وتمثيل المعاني المجردة (AMR). وقد استخدمت بعض الأعمال تمثيلات معنوية أكثر غرابة، مثل رسوم بيانية للاستعلام، [ 32 ] ورسوم بيانية دلالية، [ 33 ] أو تمثيلات متجهة. [ 34 ]

نماذج

تعتمد معظم نماذج التحليل الدلالي العميق الحديثة إما على تعريف قواعد نحوية رسمية لمحلل الرسوم البيانية ، أو على استخدام الشبكات العصبية المتكررة (RNNs) للترجمة المباشرة من اللغة الطبيعية إلى لغة تمثيل المعنى. ومن أمثلة الأنظمة المبنية على قواعد نحوية رسمية: إطار عمل كورنيل للتحليل الدلالي [ 35 ] ، ونظام التحليل الدلالي مع التنفيذ (SEMPRE) التابع لجامعة ستانفورد [ 3 ] ، ومحلل WASP الدلالي القائم على محاذاة الكلمات [ 36 ] .

مجموعات البيانات

تنقسم مجموعات البيانات المستخدمة لتدريب نماذج التحليل الدلالي الإحصائي إلى فئتين رئيسيتين بناءً على التطبيق: تلك المستخدمة للإجابة على الأسئلة عبر استعلامات قاعدة المعرفة ، وتلك المستخدمة لتوليد التعليمات البرمجية.

الإجابة على الأسئلة

التحليل الدلالي للإجابة على الأسئلة في المحادثات

تُعدّ مجموعة بيانات نظام معلومات السفر الجوي (ATIS) معيارًا قياسيًا للإجابة على الأسئلة باستخدام التحليل الدلالي، إذ تحتوي على أسئلة وأوامر حول الرحلات الجوية القادمة، بالإضافة إلى استعلامات SQL المقابلة. [ 28 ] كما تُعدّ مجموعة بيانات GeoQuery معيارًا آخر، حيث تحتوي على أسئلة حول جغرافية الولايات المتحدة مقترنة بنصوص Prolog المقابلة. [ 13 ] وتُستخدم مجموعة بيانات Overnight لاختبار مدى كفاءة المحللات الدلالية في التكيف مع مجالات متعددة؛ إذ تحتوي على استعلامات باللغة الطبيعية حول 8 مجالات مختلفة مقترنة بتعبيرات λ-DCS المقابلة. [ 37 ] وقد اكتسب التحليل الدلالي مؤخرًا شعبية كبيرة نتيجةً للأبحاث الحديثة، وتعمل العديد من الشركات الكبرى، مثل جوجل ومايكروسوفت وأمازون ، على هذا المجال . مرفق هنا أحد أحدث الأبحاث في مجال التحليل الدلالي للإجابة على الأسئلة. [ 38 ] تُظهر هذه الصورة مثالًا لمحادثة من SPICE. يعرض العمود الأيسر أدوار الحوار (T1-T3) مع عبارات المستخدم (U) والنظام (S). ويعرض العمود الأوسط التعليقات التوضيحية المُقدمة في CSQA. أما المربعات الزرقاء على اليمين فتُظهر تسلسل الإجراءات (AS) والتحليلات الدلالية المقابلة لها في SPARQL (SP).

توليد الكود

تتضمن مجموعات البيانات الشائعة لتوليد الشفرة مجموعتين من بيانات بطاقات التداول ، تربطان النصوص الظاهرة على البطاقات بشفرة تمثل تلك البطاقات بدقة. تم إنشاء إحداهما بربط نصوص بطاقات لعبة "ماجيك: ذا غاذرينغ" بمقتطفات من لغة جافا، والأخرى بربط نصوص بطاقات لعبة "هيرثستون " بمقتطفات من لغة بايثون. [ 31 ] تستخدم مجموعة بيانات IFTTT [ 39 ] لغةً متخصصةً في مجال معين مع أوامر شرطية قصيرة. تجمع مجموعة بيانات Django [ 40 ] مقتطفات من لغة بايثون مع شفرة زائفة باللغتين الإنجليزية واليابانية تصفها. تجمع مجموعة بيانات RoboCup [ 41 ] القواعد الإنجليزية مع تمثيلاتها بلغة متخصصة في مجال معين يمكن فهمها بواسطة روبوتات افتراضية تلعب كرة القدم.

مجالات التطبيق

في مجال معالجة اللغات الطبيعية، يُعنى التحليل الدلالي بتحويل اللغة البشرية إلى صيغة يسهل على الآلات فهمها واستيعابها. وتُعدّ هذه الطريقة مفيدة في العديد من السياقات:

  • المساعدون الصوتيون وبرامج الدردشة الآلية: يعمل التحليل الدلالي على تحسين جودة تفاعل المستخدم في الأجهزة مثل مكبرات الصوت الذكية وبرامج الدردشة الآلية لخدمة العملاء من خلال فهم استفسارات المستخدمين والإجابة عليها باللغة الطبيعية.
  • استرجاع المعلومات: يعمل على تحسين فهم ومعالجة استعلامات المستخدمين بواسطة محركات البحث وقواعد البيانات، مما يؤدي إلى نتائج بحث أكثر دقة وملاءمة.
  • الترجمة الآلية : لتحسين جودة الترجمة وسياقها، تتطلب الترجمة الآلية فهم دلالات لغة ما من أجل ترجمتها إلى لغة أخرى بدقة.
  • تحليل النصوص: تستفيد ذكاء الأعمال ومراقبة وسائل التواصل الاجتماعي من الرؤى القيّمة التي يمكن استخلاصها من البيانات النصية من خلال التحليل الدلالي. ومن أمثلة هذه الرؤى تحليل المشاعر ، ونمذجة المواضيع، وتحليل الاتجاهات.
  • أنظمة الإجابة على الأسئلة : توجد هذه الأنظمة في أنظمة مثل IBM Watson، وتساعد في فهم وتحليل استفسارات اللغة الطبيعية لتقديم إجابات دقيقة. وهي مفيدة بشكل خاص في مجالات مثل خدمة العملاء والموارد التعليمية.
  • أنظمة القيادة والتحكم: يساعد التحليل الدلالي في التفسير الدقيق للأوامر الصوتية أو النصية المستخدمة للتحكم في الأنظمة في تطبيقات مثل واجهات البرامج أو المنازل الذكية.
  • تصنيف المحتوى: إنها أداة مفيدة للنشر عبر الإنترنت وإدارة المحتوى الرقمي لأنها تساعد في تصنيف وتنظيم كميات هائلة من المواد النصية من خلال تحليل محتواها الدلالي.
  • التقنيات المتعلقة بإمكانية الوصول: تساعد في إنشاء أدوات لذوي الاحتياجات الخاصة، مثل ترجمة لغة الإشارة وتحويل النص إلى كلام .
  • المعلوماتية القانونية والرعاية الصحية: يمكن للتحليل الدلالي استخراج المعلومات المهمة وهيكلتها من المستندات القانونية والسجلات الطبية لدعم البحث واتخاذ القرارات.

يهدف التحليل الدلالي إلى تحسين كفاءة وفعالية التطبيقات المختلفة من خلال سد الفجوة بين اللغة البشرية ومعالجة الآلة في كل من هذه المجالات.

تقييم

تختلف مقاييس التقييم تبعاً لنوع تمثيل المعنى الذي يتم تحليله والأهداف الأساسية لإجراء التحليل:

بالنسبة لتمثيلات المعنى التي يمكن تمثيلها كرسوم بيانية، مثل تمثيل المعنى المجرد ، فإن تشابه الرسم البياني بين مخرجات النظام والرسم البياني المرجعي يسمح بتقييم حتى النجاحات الجزئية في التحليل. [ 42 ]

يُستخدم التقييم باستخدام مقياس F1 إلى جانب الدقة والاستدعاء ، على سبيل المثال لبعض التمثيلات الدلالية القائمة على الرسوم البيانية أو الأشكال المنطقية. [ 42 ] [ 43 ]

إذا تمّ تأطير التحليل الدلالي كمهمة من تسلسل إلى تسلسل (seq2seq) ، فيمكن استخدام المقاييس التقليدية المستخدمة في معالجة اللغة الطبيعية لمقارنة التسلسلات، مثل BLEU . [ 44 ] [ 45 ] : 7

إلى جانب المقاييس التي تُكافئ النجاحات الجزئية، يُعدّ التطابق التام بين مُخرجات النظام والمرجع مقياسًا أكثر صرامة. تُعرَض الدقة، كنسبة مئوية للعينات ذات المعنى المُتوقّع بشكل صحيح، على سبيل المثال في بعض مهام تحليل النصوص إلى لغة SQL. [ 46 ] : 6f وعند اختبار قدرات التعميم التركيبي للمحللات الدلالية، تُستخدم الدقة أيضًا. [ 47 ] [ 48 ] [ 49 ]

في التحليل الدلالي القابل للتنفيذ، لا يقتصر التقييم على تمثيل المعنى المتوقع فحسب، بل يشمل أيضًا نتيجة تنفيذ هذا التوقع. ولكن كخطوة أولى، يجب أن يكون التمثيل المتوقع سليمًا نحويًا ليُسمح بتنفيذه. بالنسبة لجميع مخرجات النظام السليمة، يمكن مقارنة نتيجة التنفيذ بنتيجة تنفيذ التمثيل المعياري الذهبي. [ 44 ] : 5، 15

انظر أيضاً

مراجع

  1. 1 2 جيا، روبن؛ ليانغ، بيرسي (2016-06-11). "إعادة تركيب البيانات للتحليل الدلالي العصبي". arXiv : 1606.03622 [ cs.CL ].
  2. ↑ أندرياس، جاكوب، أندرياس فلاخوس، وستيفن كلارك. " التحليل الدلالي كترجمة آلية ". وقائع الاجتماع السنوي الحادي والخمسين لجمعية اللغويات الحاسوبية (المجلد 2: أوراق بحثية قصيرة). المجلد 2. 2013.
  3. 1 2 بيرانت، جوناثان، وآخرون. "التحليل الدلالي على فري بيس من أزواج الأسئلة والأجوبة." EMNLP. المجلد 2. العدد 5. 2013.
  4. ↑ بون، هويفونغ، وبيدرو دومينغوس. " استقراء الأنطولوجيا غير الخاضع للإشراف من النص ". وقائع الاجتماع السنوي الثامن والأربعين لجمعية اللغويات الحاسوبية. جمعية اللغويات الحاسوبية، 2010.
  5. ↑ كاليسزيك، سيزاري، جوزيف أوربان، وجيري فيسكوتشيل. " أتمتة الصياغة الرسمية من خلال التحليل الإحصائي والدلالي للرياضيات ". المؤتمر الدولي حول إثبات النظريات التفاعلي. سبرينغر، تشام، 2017.
  6. ↑ رابينوفيتش، ماكسيم؛ ستيرن، ميتشل؛ كلاين، دان (2017-04-25). "شبكات بناء الجملة المجردة لتوليد الشفرة والتحليل الدلالي". arXiv : 1704.07535 [ cs.CL ].
  7. ↑ ين، بينغتشنغ؛ نيوبيغ، غراهام (2017-04-05). "نموذج عصبي نحوي لتوليد التعليمات البرمجية للأغراض العامة". arXiv : 1704.01696 [ cs.CL ].
  8. ↑ ويلكس، واي. وفاس، دي. (1992) عائلة دلالات التفضيل ، في الحوسبة والرياضيات مع التطبيقات، المجلد 23، الأعداد 2-5، الصفحات 205-221.
  9. ↑ هويفونغ بون، بيدرو دومينغوس، التحليل الدلالي غير الخاضع للإشراف ، وقائع مؤتمر 2009 حول الأساليب التجريبية في معالجة اللغة الطبيعية، 2009
  10. ↑ أرميني، إيرو، وآخرون. " التحليل الدلالي ثلاثي الأبعاد للمساحات الداخلية واسعة النطاق ". وقائع مؤتمر IEEE حول رؤية الحاسوب والتعرف على الأنماط. 2016.
  11. ↑ تشي، تشارلز ر.، وآخرون. " بوينت نت: التعلم العميق على مجموعات النقاط للتصنيف والتجزئة ثلاثية الأبعاد ." وقائع مؤتمر IEEE حول رؤية الحاسوب والتعرف على الأنماط. 2017.
  12. ↑ وارن، د.هـ.د؛ بيريرا، ف.س.ن (1982). "نظام فعال وسهل التكيف لتفسير استفسارات اللغة الطبيعية" (ملف PDF) . اللغويات الحاسوبية . 8 ( 3-4 ): 110-122 .
  13. 1 2 3 زيل، جيه إم؛ موني، آر جيه (1996). "تعلم تحليل استعلامات قواعد البيانات باستخدام البرمجة المنطقية الاستقرائية". وقائع المؤتمر الوطني للذكاء الاصطناعي : 1050-1055 . hdl : 1721.1/7095 .
  14. ↑ زيتلموير؛ كولينز (2005). "تعلم ربط الجمل بالشكل المنطقي: التصنيف المنظم باستخدام القواعد النحوية الفئوية الاحتمالية" (ملف PDF) . وقائع المؤتمر الحادي والعشرين حول عدم اليقين في الذكاء الاصطناعي، UAI'05 : 658-666 .
  15. ↑ كوياتكوفسكي، ت.؛ وآخرون (2010). "استنباط قواعد النحو الاحتمالية من الشكل المنطقي باستخدام التوحيد من الرتبة العليا" . وقائع مؤتمر 2010 حول الأساليب التجريبية في معالجة اللغة الطبيعية : 1223-1233 . 
  16. 1 2 وونغ، يوك واه؛ موني، ريموند (2007). "تعلم القواعد المتزامنة للتحليل الدلالي باستخدام حساب لامدا" . وقائع الاجتماع السنوي الخامس والأربعين لجمعية اللغويات الحاسوبية : 960-967 .
  17. ↑ دونغ، ل.؛ لاباتا، م. (2016). "تحويل اللغة إلى شكل منطقي باستخدام الانتباه العصبي". وقائع الاجتماع السنوي الرابع والخمسين لجمعية اللغويات الحاسوبية . المجلد 1: الأوراق البحثية الطويلة. الصفحات 33-43 . arXiv : 1601.01280 .  
  18. ↑ ين، بينغتشنغ؛ نيوبيغ، غراهام (2017). "نموذج عصبي نحوي لتوليد الشفرة للأغراض العامة". وقائع الاجتماع السنوي الخامس والخمسين لجمعية اللغويات الحاسوبية . المجلد 1: الأوراق الطويلة: 440-450 . doi : 10.18653/v1/P17-1041 .
  19. ↑ شي، تيانزي؛ وآخرون (2018). "Incsql: تدريب محللات نصية متزايدة إلى SQL باستخدام أوراكل غير حتمية". arXiv : 1809.05054 [ cs.CL ]. 
  20. 1 2 3 كومار، أنجيشنو؛ وآخرون (2018). "فقط اسأل: بناء بنية لفهم اللغة المنطوقة ذاتي الخدمة وقابل للتوسيع". arXiv : 1711.00549 [ cs.CL ]. 
  21. ↑ بابنا، أنكور؛ وآخرون (2017). "نحو تحليل دلالي إطاري بدون تدريب مسبق لتوسيع نطاق المجال". arXiv : 1707.02363 [ cs.AI ]. 
  22. ↑ ليو، بينغ؛ لين، إيان (2016). "نماذج الشبكات العصبية المتكررة القائمة على الانتباه للكشف المشترك عن النوايا وملء الفراغات". arXiv : 1609.01454 [ cs.CL ].
  23. ↑ ليانغ، بيرسي؛ بوتس، كريستوفر (2015). "الجمع بين التعلم الآلي والدلالات التركيبية". المراجعة السنوية للغويات . 1 (1): 355-376 . doi : 10.1146/annurev-linguist-030514-125312 .
  24. ↑ دروزدوف، أندرو؛ وآخرون . (2022). "التحليل الدلالي التركيبي باستخدام نماذج لغوية كبيرة". arXiv : 2209.15003 [ cs.CL ]. 
  25. ↑ مات غاردنر، براديب داسيجي، سرينيفاسان آير، ألين سوهر، لوك زيتلموير. "التحليل الدلالي العصبي" وقائع الاجتماع السنوي السادس والخمسين لجمعية اللغويات الحاسوبية: ملخصات الدروس التعليمية، يوليو 2018.
  26. ↑ وودز، ويليام أ. (1979). دلالات نظام الإجابة على الأسئلة . أطروحات متميزة في علوم الحاسوب. المجلد 27. نيويورك: جارلاند. ISBN  0-8240-4419-3.
  27. ↑ ليانغ، بيرسي (2013). "الدلالات التركيبية القائمة على تبعية لامدا". arXiv : 1309.4408 [ cs.AI ].
  28. 1 2 هيمفيل، تشارلز تي.؛ وآخرون . (1990). "مجموعة بيانات تجريبية لأنظمة اللغة المنطوقة ATIS" . الكلام واللغة الطبيعية: وقائع ورشة عمل عُقدت في هيدن فالي، بنسلفانيا، 24-27 يونيو 1990 . 
  29. ↑ إيير، سرينيفاسان؛ وآخرون (2017). "تعلم محلل دلالي عصبي من ملاحظات المستخدم". arXiv : 1704.08760 [ cs.CL ]. 
  30. ↑ ين، بينغتشنغ؛ نيوبيغ، غراهام (2017). "نموذج عصبي نحوي لتوليد التعليمات البرمجية للأغراض العامة". arXiv : 1704.01696 [ cs.CL ].
  31. 1 2 لينغ، وانغ؛ وآخرون (2016). "شبكات التنبؤ الكامنة لتوليد الشفرة". arXiv : 1603.06744 [ cs.CL ]. 
  32. ↑ ييه، سكوت وين-تاو؛ وآخرون (2015). "التحليل الدلالي عبر توليد مخطط استعلام مرحلي: الإجابة على الأسئلة باستخدام قاعدة المعرفة" (ملف PDF) . وقائع المؤتمر المشترك للاجتماع السنوي الثالث والخمسين لجمعية اللغويات الحاسوبية (ACL) والمؤتمر الدولي المشترك السابع حول معالجة اللغة الطبيعية التابع للجمعية الأمريكية لمعالجة اللغة الطبيعية (AFNLP) . 
  33. ↑ ريدي، سيفا؛ وآخرون (2014). "التحليل الدلالي واسع النطاق بدون أزواج سؤال وجواب" . معاملات رابطة اللغويات الحاسوبية . 2 (1): 377-392 . doi : 10.1162/tacl_a_00190 . 
  34. ↑ غو، كيلفن؛ وآخرون (2015). "اجتياز مخططات المعرفة في الفضاء المتجهي". arXiv : 1506.01094 [ cs.CL ]. 
  35. ↑ أرتزي، يواف (2013). "Cornell SPF: إطار عمل كورنيل للتحليل الدلالي". arXiv : 1311.3011 [ cs.CL ].
  36. ↑ وونغ، يوك واه؛ موني، ريموند ج. (2006). التعلم للتحليل الدلالي باستخدام الترجمة الآلية الإحصائية . وقائع المؤتمر الرئيسي حول تكنولوجيا اللغة البشرية، مؤتمر فرع أمريكا الشمالية لرابطة اللغويات الحاسوبية. رابطة اللغويات الحاسوبية. ص 439-446 . CiteSeerX 10.1.1.135.7209 . doi : 10.3115/1220835.1220891 .  
  37. ↑ وانغ، يوشي، جوناثان بيرانت، وبيرسي ليانغ. "بناء محلل دلالي بين عشية وضحاها". وقائع الاجتماع السنوي الثالث والخمسين لجمعية اللغويات الحاسوبية والمؤتمر الدولي المشترك السابع حول معالجة اللغة الطبيعية (المجلد 1: الأوراق البحثية الطويلة) . المجلد 1. 2015.
  38. ↑ بيريز-بيلتراشيني، لورا؛ جاين، باراغ؛ مونتي، إميليو؛ لاباتا، ميريلا (2023). "التحليل الدلالي للإجابة على الأسئلة الحوارية عبر مخططات المعرفة". arXiv : 2301.12217 [ cs.CL ].
  39. ↑ كويرك، كريس، وريموند موني، وميشيل غالي. "من اللغة إلى البرمجة: تعلم المحللات الدلالية لوصفات "إذا-ثم-ذلك". وقائع الاجتماع السنوي الثالث والخمسين لجمعية اللغويات الحاسوبية والمؤتمر الدولي المشترك السابع حول معالجة اللغة الطبيعية (المجلد 1: الأوراق البحثية الطويلة) . المجلد 1. 2015.
  40. ↑ أودا، يوسوكي، وآخرون. "تعلم توليد الشفرة الزائفة من الشفرة المصدرية باستخدام الترجمة الآلية الإحصائية (t)." هندسة البرمجيات الآلية (ASE)، المؤتمر الدولي الثلاثون لـ IEEE/ACM لعام 2015. IEEE، 2015.
  41. ↑ كولمان، غريغوري، وآخرون. "توجيه متعلم التعزيز بنصائح اللغة الطبيعية: النتائج الأولية في لعبة روبوكوب لكرة القدم." ورشة عمل AAAI-2004 حول التحكم الإشرافي في التعلم والأنظمة التكيفية . 2004.
  42. 1 2 أوبن، ستيفان؛ أبيند، عمري؛ هاجيك، يان؛ هيرشكوفيتش، دانيال؛ كولمان، ماركو؛ أوغورمان، تيم؛ شو، نيان وين؛ تشون، جايول؛ ستراكا، ميلان؛ أوريسوفا، زدينكا (2019). "MRP 2019: تحليل تمثيل المعنى عبر الأطر" (ملف PDF) . وقائع المهمة المشتركة حول تحليل تمثيل المعنى عبر الأطر في مؤتمر 2019 حول تعلم اللغة الطبيعية . رابطة اللغويات الحاسوبية. الصفحات 1-27 . doi : 10.18653/v1/K19-2001 . تاريخ الاسترجاع : 20 يونيو 2025 . 
  43. ^ فان نورد ، ريك. أبزيانيدزه، لاشا؛ هاجسما، هيسيل؛ بوس، يوهان (2018). كالزولاري، نيكوليتا؛ شكري، خالد؛ سيري، كريستوفر. ديكليرك، تييري. جوجي، سارة؛ هاسيدا، كويتي؛ اساهارا، هيتوشي؛ ميجارد، بينتي؛ مارياني، جوزيف؛ مازو، هيلين؛ مورينو، أسونسيون؛ أوديجك، يناير؛ بيبيريديس، ستيليوس؛ توكوناجا، تاكينوبو (محرران). تقييم تمثيلات المعنى ذات النطاق (PDF) . وقائع المؤتمر الدولي الحادي عشر للموارد اللغوية والتقييم (LREC 2018) . ميازاكي، اليابان: جمعية موارد اللغة الأوروبية (ELRA). ص 1685 – 1693 . تم الاسترجاع 2025-06-20 . 
  44. 1 2 كاماث، أيشواريا؛ داس، راجارشي (2019). "دراسة استقصائية حول التحليل الدلالي" . بناء قاعدة المعرفة الآلي . doi : 10.24432/C5WC7D . تاريخ الاسترجاع: 20 يونيو 2025 .
  45. ↑ لي، سيلين؛ غوتشليش، جاستن؛ روث، دان (2021-04-26). "نحو توليد الشفرة: دراسة استقصائية ودروس مستفادة من التحليل الدلالي". arXiv : 2105.03317 [ cs.SE ].
  46. ↑ ليانغ، بيرسي (24 أغسطس/آب 2016). "تعلم محللات دلالية قابلة للتنفيذ لفهم اللغة الطبيعية" . مجلة اتصالات رابطة الحوسبة الآلية . 59 (9): 68-76 . arXiv : 1603.06677 . doi : 10.1145/2866568 . ISSN 0001-0782 . 
  47. ↑ ليك، بريندن؛ باروني، ماركو (2018). داي، جينيفر؛ كراوس، أندرياس (محررون). "التعميم دون منهجية: حول المهارات التركيبية للشبكات المتكررة من تسلسل إلى تسلسل" (ملف PDF) . وقائع المؤتمر الدولي الخامس والثلاثين للتعلم الآلي . 80. ستوكهولم سيماسان، ستوكهولم، السويد: 2873-2882 . تاريخ الاسترجاع : 20 يونيو 2025 .
  48. ↑ كيزرز، دانيال؛ شارلي، ناثانيل؛ سكيلز، ناثان؛ بويسمان، هايلكه؛ فورر، دانيال؛ كاشوبين، سيرجي؛ مومتشيف، نيكولا؛ سينوبالنيكوف، دانيلا؛ ستافينياك، لوكاس؛ تيهون، تيبور؛ تساركوف، ديمتري؛ وانغ، شياو؛ زي، مارك فان؛ بوسكيه، أوليفييه (2019). قياس التعميم التركيبي: منهج شامل على بيانات واقعية . المؤتمر الدولي حول تمثيلات التعلم . تم الاسترجاع في 20 يونيو 2025 .
  49. ↑ كيم، ناجونغ؛ لينزن، تال (2020). "COGS: تحدي التعميم التركيبي القائم على التفسير الدلالي" (ملف PDF) . وقائع مؤتمر 2020 حول الأساليب التجريبية في معالجة اللغة الطبيعية (EMNLP) . رابطة اللغويات الحاسوبية. الصفحات 9087-9105 . doi : 10.18653/v1/2020.emnlp-main.731 . تاريخ الاسترجاع : 20 يونيو 2025 .