Opis projektu
Rozwijanie modeli obliczeniowych kreatywności językowej
Kreatywność językowa przejawia się nie tylko w literaturze, ale także w codziennym użyciu języka. Model obliczeniowy kreatywności językowej może być przydatny z dwóch powodów: może umożliwić lepsze poznanie procesów ludzkiej ekspresji twórczej oraz może umożliwić systemom generowania języka naturalnego tworzenie realistycznego dyskursu. Finansowany przez Europejską Radę ds. Badań Naukowych projekt TENACITY ma na celu opracowanie autonomicznych modeli kreatywności językowej w oparciu o nowatorskie podejście łączące tensory i sieci neuronowe. Standardowe techniki sieci neuronowych dają już dobre wyniki w niektórych zadaniach związanych z przetwarzaniem języka naturalnego, jednak jedynie naśladują ludzką produkcję językową i nie są kreatywne. Zespół TENACITY stara się przezwyciężyć to ograniczenie poprzez opracowanie algorytmów pozwalających na uchwycenie znaczenia tekstu i wyrażenie go w kreatywny sposób.
Cel
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.
Dziedzina nauki (EuroSciVoc)
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Klasyfikacja projektów w serwisie CORDIS opiera się na wielojęzycznej taksonomii EuroSciVoc, obejmującej wszystkie dziedziny nauki, w oparciu o półautomatyczny proces bazujący na technikach przetwarzania języka naturalnego.
Aby użyć tej funkcji, musisz się zalogować lub zarejestrować
Słowa kluczowe
Program(-y)
- HORIZON.1.1 - European Research Council (ERC) Main Programme
Temat(-y)
System finansowania
HORIZON-ERC - HORIZON ERC GrantsInstytucja przyjmująca
3000 Leuven
Belgia