TY  - THES
AB  - Die Natural Language Processing (NLP)-Gemeinschaft hat in letzter Zeit herausragendeFortschritte erzielt, die durch die Veröffentlichung verschiedener Architekturen künstlicher neuronaler Netze (NN) katalysiert wurden. NN-basierte Ansätze haben sich als effektiv erwiesen, da sie die Qualität der automatisiert erstellten Lösungen für eine große Zahl von NLP-Aufgaben (Belinkov and Glass, 2019) deutlich erhöht haben. Trotz dieser bemerkenswerten Fortschritte stellt der Umgang mit Entitäten immer noch eines schwierige Herausforderung dar, da sie in den Trainingsdaten nur selten zu vorkommen.Entitäten lassen sich in zwei Gruppen einteilen: Eigennamen und Gattungsnamen. Eigennamen werden auch als Named Entities (NE) bezeichnet und entsprechen den Namen vonPersonen, Organisationen oder Orten, z. B. John, WHO oder Kanada. Gattungsnamen beschreiben Klassen von Objekten, z. B. Löffel oder Krebs. Beide Typen von Entitäten können in einem Wissensgraphen (KG) gefunden werden. In jüngster Zeit wurden KGs erfolgreich bei der Lösung von NLP-Aufgaben genutzt, wie z. B. Natural LanguageInference (K M et al., 2018) und Question Answering (Sorokin and Gurevych, 2018). Dagegen haben sich nur wenige Arbeiten mit der Anwendung von KGs für die maschinelle,neuronale Übersetzung (NMT) oder der Generierung von natürlicher Sprache (NLG)beschäftigt, als mit dieser Arbeit begonnen wurde. Darüber hinaus ist die Mehrsprachigkeit bei diesen beiden Problemen weiterhin ein offenes Forschungsgebiet (Young et al.,2018). In dieser Arbeit konzentrieren wir uns auf die Verwendung von KGs für die maschinelleÜbersetzung und die Generierung von Texten, um die durch Entitäten verursachtenProbleme zu behandeln und folglich die Qualität automatisch generierter Texte zu verbessern. Zuvor wird in dieser Arbeit die Disambiguierung...
AU  - Campos Moussallem, Diego
CY  - Paderborn
DA  - 2020
DO  - 10.17619/UNIPB/1-980
DP  - Universität Paderborn
LA  - eng
N1  - Tag der Verteidigung: 04.05.2020
N1  - Universität Paderborn, Dissertation, 2020
PB  - Veröffentlichungen der Universität
PY  - 2020
SP  - 1 Online-Ressource (ix, 76 Seiten)
T2  - Fakultät für Elektrotechnik, Informatik und Mathematik
TI  - Knowledge graphs for multilingual language translation and generation
UR  - https://nbn-resolving.org/urn:nbn:de:hbz:466:2-37381
Y2  - 2026-01-18T04:25:52
ER  -