Jesper Alvelid, jalvelid@kth.se
Fredrik Frantzen, ffra@kth.se

Ordinlärning gjord av maskiner

En simulering av hur maskiner lär sig betydelsen av ord

Sammanfattning

Att lära sig betydelsen av ord är en väldigt komplicerad uppgift med många problem som behöver lösas. I denna studie utvecklades en algorithm som parar ihop ord med betydelser med avseende på de tre problemen: att kunna hantera meningar (inte bara enstaka ord), att kunna välja ut den rätta händelsen i ett sammanhang samt att kunna lära sig ord utan att tidigare ha kännedom om några ord. Målet med studien var att implementera en algoritm som skulle kunna replikera resultaten i en tidigare rapport på ämnet. De erhållna resultaten fastställde de i ett tidigare arbete, samma andel av betydelser av ord (100%) lärdes in under samma förhållanden. För att ytterligare utveckla algoritmen måste två ytterligare problem lösas: ord som stavas likadant men har olika betydelser och sammanhang där händelserna inte beskriver vad som sades i sammanhanget. Detta skulle göra algoritmen mer användbar i tillämpningar inom ämnet.