Natural language processing

Forschung und Entwicklung

Das Projekt DEEPLEE strebt profunde Verbesserungen von Deep Learning-Ansätzen in der Sprachtechnologie an. Forschungsthemen sind die Modularität in DNN-Architekturen, die Nutzung von externem Wissen, DNNs mit Erklärungs-Funktionalität sowie maschinelle Lehr-Strategien für DNNs. Entwickelt wird ein Deep Learning-basiertes modulares Rahmensystem, das End-to-End-Anwendungen in Informationsextraktion (IE), Fragebeantwortung (Question Answering, QA) und maschineller Übersetzung (MÜ) ermöglicht. Forschungsziele sind: (1) Modellierung von komplexer Sprachtechnologie (IE, QA, MÜ), die traditionell auf heterogenen Technologie-Sammlungen beruhen, als einheitliche, auf neuronalen Netzwerken basierende End-to-End-Lernszenarien. (2) Evaluierung der End-to-End-Performanz klassischer, auf heterogenen Technologie-Sammlungen beruhenden Ansätze gegen neuronale Ansätze. (3) Etablierung eines Repertoires an „linguistisch inspirierten“ neuronalen Bausteinen für Sprachtechnologie (sprachagnostisch und wiederverwendbar). (4) Etablierung eines Portfolios von Ansätzen für eine Vielzahl von DNNs und Aufgaben, die sich einem menschlichen Experten erklären können. (5) Gestaltung von IE, QA und MÜ als Text-to-Text-Anwendungen. (6) Entwicklung und Bewertung von Möglichkeiten zur Integration externer Wissensquellen in NN-basierte Sprachtechnologie.