TAILIEUCHUNG - Báo cáo khoa học: "Reading Between the Lines: Learning to Map High-level Instructions to Commands"

In this paper, we address the task of mapping high-level instructions to sequences of commands in an external environment. Processing these instructions is challenging—they posit goals to be achieved without specifying the steps required to complete them. We describe a method that fills in missing information using an automatically derived environment model that encodes states, transitions, and commands that cause these transitions to happen. | Reading Between the Lines Learning to Map High-level Instructions to Commands . Branavan Luke S. Zettlemoyer Regina Barzilay Computer Science and Artificial Intelligence Laboratory Massachusetts Institute of Technology branavan Isz regina @ Abstract In this paper we address the task of mapping high-level instructions to sequences of commands in an external environment. Processing these instructions is challenging they posit goals to be achieved without specifying the steps required to complete them. We describe a method that fills in missing information using an automatically derived environment model that encodes states transitions and commands that cause these transitions to happen. We present an efficient approximate approach for learning this environment model as part of a policygradient reinforcement learning algorithm for text interpretation. This design enables learning for mapping high-level instructions which previous statistical methods cannot 1 Introduction In this paper we introduce a novel method for mapping high-level instructions to commands in an external environment. These instructions specify goals to be achieved without explicitly stating all the required steps. For example consider the first instruction in Figure 1 open control panel. The three GUI commands required for its successful execution are not explicitly described in the text and need to be inferred by the user. This dependence on domain knowledge makes the automatic interpretation of high-level instructions particularly challenging. The standard approach to this task is to start with both a manually-developed model of the environment and rules for interpreting high-level instructions in the context of this model Agre and 1Code data and annotations used in this work are available at http rbg code rl-hli Chapman 1988 Di Eugenio and White 1992 Di Eugenio 1992 Webber et al. 1995 . Given both the model and the rules logic-based inference is .

• Báo cáo khoa học
• Reading Between the Lines
• Learning to Map High level Instructions to Commands
• S
• Branavan
• báo cáo khoa học
• báo cáo ngôn ngữ
• ngôn ngữ tự nhiên
• anh văn
• anh ngữ
• ngoại ngữ
• tiếng anh
• anh ngữ phổ thông
• từ điển
• Glossary of DBQ Terms
• Parts of a DBQ
• Beginning Strategies
• Graphic Organizers
• Write a Document Based
• Revision Strategies
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Xử lý ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Mô hình ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân loại tin tự động
• Tạo chí tin học
• Điều khiển học
• Truy vấn ngôn ngữ tự nhiên
• Phép dịch truy vấn ngôn ngữ tự nhiên
• Truy vấn SQL
• Văn phạm ngữ nghĩa
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Phân tích ngữ nghĩa
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Bài toán PTCP
• Phân tích cú pháp
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học
• Gán nhãn từ loại
• Ngôn ngữ tự nhiên trong dịch máy
• Hệ thống dịch máy
• Phương pháp xây dựng bảng từ
• Tác từ
• Conditional random fields
• Nhận dạng thực thể có tên
• Đối tượng vật lý trừu tượng
• Phân lớp văn bản
• Biểu diễn nhị phân
• Ma trận từ văn bản
• Wolfram Alpha
• Trích rút thông tin
• Phương pháp Snowball