Skip to main content
Przejdź do strony domowej Komisji Europejskiej (odnośnik otworzy się w nowym oknie)
polski polski
CORDIS - Wyniki badań wspieranych przez UE
CORDIS
Zawartość zarchiwizowana w dniu 2024-06-18

Distributional Compositional Semantics for Text Processing

Cel

"The notion of meaning is central to many areas of Computer Science, Artificial Intelligence (AI), Linguistics, Philosophy, and Cognitive Science. A formal account of the meaning of natural language utterances is crucial to AI, since an understanding of natural language is at the heart of much intelligent behaviour. More specifically, Natural Language Processing (NLP) --- the branch of AI concerned with the automatic processing, analysis and generation of text --- requires a model of meaning for many of its tasks and applications.

There have been two main approaches to modelling the meaning of language in NLP. The first, the ``compositional"" approach, is based on classical ideas from Philosophy and Mathematical Logic, and includes formal accounts of how the meaning of a sentence can be determined from the relations of words in a sentence. The second, more recent approach focuses on the meanings of the words themselves. This is the ``distributional"" approach to lexical semantics and is based on the idea that the meanings of words can be determined by considering the contexts in which words appear in text.

The ambitious idea in this proposal is to exploit the strengths of the two approaches, by developing a unified model of distributional and compositional semantics, and exploiting it for NLP tasks and
applications. The aim is to make the following fundamental contributions:

1. advance the theoretical study of meaning in Linguistics, Computer Science and AI;
2. develop new meaning-sensitive approaches to NLP applications which can be robustly applied to naturally occurring text.

The claim is that language technology based on ``shallow"" approaches is reaching its performance limit, and the next generation of language technology requires a more sophisticated, but robust, model of meaning, which this project will provide."

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. Więcej informacji: Europejski Słownik Naukowy.

Aby użyć tej funkcji, musisz się zalogować lub zarejestrować

Program(-y)

Wieloletnie programy finansowania, które określają priorytety Unii Europejskiej w obszarach badań naukowych i innowacji.

Temat(-y)

Zaproszenia do składania wniosków dzielą się na tematy. Każdy temat określa wybrany obszar lub wybrane zagadnienie, których powinny dotyczyć wnioski składane przez wnioskodawców. Opis tematu obejmuje jego szczegółowy zakres i oczekiwane oddziaływanie finansowanego projektu.

Zaproszenie do składania wniosków

Procedura zapraszania wnioskodawców do składania wniosków projektowych w celu uzyskania finansowania ze środków Unii Europejskiej.

ERC-2012-StG_20111012
Zobacz inne projekty w ramach tego zaproszenia

System finansowania

Program finansowania (lub „rodzaj działania”) realizowany w ramach programu o wspólnych cechach. Określa zakres finansowania, stawkę zwrotu kosztów, szczegółowe kryteria oceny kwalifikowalności kosztów w celu ich finansowania oraz stosowanie uproszczonych form rozliczania kosztów, takich jak rozliczanie ryczałtowe.

ERC-SG - ERC Starting Grant

Instytucja przyjmująca

THE CHANCELLOR MASTERS AND SCHOLARS OF THE UNIVERSITY OF CAMBRIDGE
Wkład UE
€ 1 087 930,00
Adres
TRINITY LANE THE OLD SCHOOLS
CB2 1TN CAMBRIDGE
Zjednoczone Królestwo

Zobacz na mapie

Region
East of England East Anglia Cambridgeshire CC
Rodzaj działalności
Higher or Secondary Education Establishments
Linki
Koszt całkowity

Ogół kosztów poniesionych przez organizację w związku z uczestnictwem w projekcie. Obejmuje koszty bezpośrednie i pośrednie. Kwota stanowi część całkowitego budżetu projektu.

Brak danych

Beneficjenci (1)

Moja broszura 0 0