Các phương pháp biểu diễn ngữ nghĩa và hiện trạng ứng dụng thực tế hiện nay?
Chào thầy, hiện nay có rất nhiều các platform để xây dựng chatbot (dialogflow.com, IBM watson, ...) tuy nhiên các hệ thống này có vẻ đều đi theo hướng quy về bài toán classification mà chưa đi sâu được vào việc phân tích bản chất ngữ nghĩa. Hiện tại có nhiều phương pháp biểu diễn ngữ nghĩa như Semantic Role Labeling, AMR, vậy em có 2 câu hỏi:
1. Tại sao các platform trên chưa áp dụng các phương pháp semantic này vào platform ?
2. Hiện trạng ứng dụng thực tế của các phương pháp này đến đâu, liệu có phương án để áp dụng cách tiếp cận SRL cho 1 bài toán thực tế không ?
giảng viên đại học quốc gia hà nội
Chào em,
Đây là một câu hỏi hay.
Hiện nay, vấn đề nghiên cứu ngữ nghĩa của ngôn ngữ tự nhiên vẫn chưa đạt được kết quả đủ tốt để có thể ứng dụng trong thực tế. Phân tích ngữ nghĩa ngôn ngữ là bài toán khó. Trong các lĩnh vực hẹp thì có thể có kết quả tương đối ổn, nhưng trong các lĩnh vực rộng hoặc chung thì chưa đủ tốt.
Có lẽ đó là lí do các chatbot platform chưa đủ thông minh để thay thế được con người.
Một số câu hỏi ví dụ như dưới đây đòi hỏi chatbot phải giải quyết được vấn đề ngữ nghĩa thì mới trả lời được:
- Ngọn núi nào cao nhất Việt Nam?
- Tổng thống Mỹ đương nhiệm sinh năm nào?
- Hai cộng bảy bằng mấy?
- Hoa có 3 quả cam. Nam có nhiều hơn Hoa 8 quả cam. Hỏi Nam có mấy quả cam?
- Số nguyên tố lớn nhất nhỏ hơn số 100 là số nào?
Ở hai câu hỏi đầu tiên, ngoài việc hiểu được nghĩa sâu của câu hỏi, chatbot còn cần phải được trang bị "kiến thức", ví dụ dưới dạng một cơ sở tri thức (knowledge base) thuộc lĩnh vực tương ứng. Hai câu hỏi cuối đòi hỏi chatbot cần có khả năng suy luận logic. Những đòi hỏi này đều không dễ dàng có sẵn trong tình hình hiện nay, ở cả mặt nghiên cứu cơ bản và nghiên cứu ứng dụng.
Cách tiếp cận SRL dạng phân tích ngữ nghĩa nông thực chất cũng chưa giúp giải quyết được những câu hỏi trên, vốn cần phân tích nghĩa sâu.
SRL có thể áp dụng trong ứng dụng hỏi đáp về các vai nghĩa. Chẳng hạn: "Nam tặng Hoa một hộp bánh. Ai tặng Hoa hộp bánh?" Việc phân tích vai nghĩa sẽ có thể giúp tìm câu trả lời câu hỏi đó là "Nam".
Lê Hồng Phương
Chào em,
Đây là một câu hỏi hay.
Hiện nay, vấn đề nghiên cứu ngữ nghĩa của ngôn ngữ tự nhiên vẫn chưa đạt được kết quả đủ tốt để có thể ứng dụng trong thực tế. Phân tích ngữ nghĩa ngôn ngữ là bài toán khó. Trong các lĩnh vực hẹp thì có thể có kết quả tương đối ổn, nhưng trong các lĩnh vực rộng hoặc chung thì chưa đủ tốt.
Có lẽ đó là lí do các chatbot platform chưa đủ thông minh để thay thế được con người.
Một số câu hỏi ví dụ như dưới đây đòi hỏi chatbot phải giải quyết được vấn đề ngữ nghĩa thì mới trả lời được:
Ở hai câu hỏi đầu tiên, ngoài việc hiểu được nghĩa sâu của câu hỏi, chatbot còn cần phải được trang bị "kiến thức", ví dụ dưới dạng một cơ sở tri thức (knowledge base) thuộc lĩnh vực tương ứng. Hai câu hỏi cuối đòi hỏi chatbot cần có khả năng suy luận logic. Những đòi hỏi này đều không dễ dàng có sẵn trong tình hình hiện nay, ở cả mặt nghiên cứu cơ bản và nghiên cứu ứng dụng.
Cách tiếp cận SRL dạng phân tích ngữ nghĩa nông thực chất cũng chưa giúp giải quyết được những câu hỏi trên, vốn cần phân tích nghĩa sâu.
SRL có thể áp dụng trong ứng dụng hỏi đáp về các vai nghĩa. Chẳng hạn: "Nam tặng Hoa một hộp bánh. Ai tặng Hoa hộp bánh?" Việc phân tích vai nghĩa sẽ có thể giúp tìm câu trả lời câu hỏi đó là "Nam".
Đặng Trung Thành
Cám ơn thầy ạ. Như vậy SRL có thể áp dụng cho 1 domain hẹp với tập giới hạn vai nghĩa và cho những câu đơn giản. Em sẽ thử theo hướng hẹp này xem sao ạ