Projektbeschreibung
Computermodelle für sprachliche Kreativität erschließen
In der Sprache ist Kreativität allgegenwärtig, nicht nur in der Literatur, sondern auch im täglichen Sprachgebrauch. Ein computergestütztes Modell der sprachlichen Kreativität kann aus zwei Gründen nützlich sein: Es könnte Einblicke in die Prozesse des kreativen Ausdrucks des Menschen geben, und es könnte Systeme zur Erzeugung natürlicher Sprache in die Lage versetzen, einen realistischen Diskurs zu produzieren. Ziel des vom Europäischen Forschungsrat finanzierten Projekts TENACITY ist es, durch einen neuartigen Ansatz, der Tensoren und neuronale Netze kombiniert, autonome Modelle der sprachlichen Kreativität zu entwickeln. Durch Standardverfahren für neuronale Netze werden bereits gute Leistungen bei einigen Aufgaben zur Verarbeitung natürlicher Sprache erbracht, aber sie imitieren einfach die menschliche Sprachproduktion und lassen Kreativität vermissen. TENACITY strebt an, diese Beschränkung durch die Entwicklung von Algorithmen zu überwinden, die in der Lage sind, die Bedeutung von Texten zu erfassen und kreativ auszudrücken.
Ziel
Creativity in language is ubiquitous. It is abundantly present in work with an explicit creative intention - such as literary novels or poems - but weighty doses of creativity also pervade everyday language use. We believe that a computational model of creativity that focuses on language will shed light on the enigmatic processes and interactions that come into play when we humans express ourselves in creative ways. Moreover, natural language generation systems - in order to produce realistic utterances - need to be endowed with a certain capacity for creativity. The main goal of this research project is to develop unsupervised models of language that exhibit creativity. In order to do so, we propose an integrated approach that combines a number of important and innovative techniques. First of all, we rely on constructs from linear algebra called tensors in order to express language content according to different parameters. Using tensors, we are able to induce latent semantics from multi-way co-occurrences of textual content, which can subsequently be used for the generation of creative expressions. Secondly, we rely on advanced machine learning techniques, notably neural networks. Neural network techniques have recently shown impressive performance in a number of natural language processing tasks. Yet, these techniques are mainly mimicking human language production, and thus are showing little creativity in language generation; by adapting neural network approaches in various ways, as well as integrating them with our tensor-based approach, we expect to develop algorithms that are able to grasp the meaning of textual content in a more profound and elaborate way, and at the same time are able to express it with creative intent. The project has the potential for groundbreaking results, not only because it would deepen our understanding of creativity, but also because of practical applications within the field of natural language processing.
Wissenschaftliches Gebiet (EuroSciVoc)
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
CORDIS klassifiziert Projekte mit EuroSciVoc, einer mehrsprachigen Taxonomie der Wissenschaftsbereiche, durch einen halbautomatischen Prozess, der auf Verfahren der Verarbeitung natürlicher Sprache beruht.
Sie müssen sich anmelden oder registrieren, um diese Funktion zu nutzen
Schlüsselbegriffe
Programm/Programme
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Thema/Themen
Finanzierungsplan
HORIZON-ERC - HORIZON ERC GrantsGastgebende Einrichtung
3000 Leuven
Belgien