由Michael Lebowitz
ACM的来文，1988年12月，第31卷第12期，第1483-1502页
10.1145/53580.214951
评论
自然语言处理系统的性能应该随着它读取越来越多的文本而提高。这对于作为认知模型的系统和实际的文本处理系统都是正确的。永久的长期记忆在理解文本的各个阶段都是有用的。例如，如果在读取关于新磁盘驱动器的专利摘要时，系统可以从内存中检索有关类似对象的信息，那么处理就应该简化。然而，大多数自然语言程序并没有表现出这样的学习行为。在本文中，我们描述了一个从专利摘要中读取、记忆和概括的程序，研究者如何利用其自动生成的内存来辅助低级文本处理，主要涉及用其他方法无法完成的消除歧义。我们描述了研究者的基本理解方法和内存访问的集成。本文提供了一个扩展的示例，该示例通过使用内存中已经存在的其他几个摘要的信息来处理专利摘要。
本文的全文是优质内容
没有发现记录
登录阅读全文
需要访问吗?
请选择以下选项之一，以访问优质内容和功能。
创建Web帐户
如果您已经是ACM会员，通信数码图书馆的订阅者，请建立一个网页帐户，以访问本网站的优质内容。
参加ACM
成为ACM的会员可以充分利用ACM杰出的计算信息资源、联网机会和其他好处。
订阅ACM通讯杂志
获得《中华文化纵横》50年以上的完整内容，每月获得印刷版。
购买这篇文章
非会员可以购买这篇文章或它所在的杂志。
