自然言語処理 自然言語処理は、以下のすべてとして説明できます。
科学 の一分野― 宇宙に関する検証可能な説明や予測の形で知識を構築し、整理する体系的な事業。[ 1 ] 応用科学とは 、 人間の知識を応用して有用なものを製造または設計する分野のことである。 コンピュータ科学 の一分野であり、 計算とその応用に対する科学的かつ実践的なアプローチを包含する。 人工知能 の一分野であり、 機械やロボットの知能、そしてそれを創造することを目的とするコンピュータ科学の一分野。計算言語学 の一分野であり、 計算論的な観点から自然言語の統計的または規則に基づくモデリングを扱う学際的な分野である。 工学 とは、構造物、機械、装置、システム、材料、プロセスを設計および構築するために、科学的、経済的、社会的、および実践的な知識を獲得し、応用する科学、 技能、および専門職のことである。 ソフトウェアエンジニアリング の応用とは、 ソフトウェアの設計、開発、運用、保守に対する体系的で規律のある定量化可能なアプローチの適用、およびこれらのアプローチの研究、すなわちソフトウェアへのエンジニアリングの応用を指します。[ 2 ] [ 3 ] [ 4 ] コンピュータプログラミング の一分野であり、 コンピュータプログラムのソースコードの設計、記述、テスト、デバッグ、保守を行うプロセスを指します。このソースコードは、Java、C++、C#、Pythonなどの1つ以上のプログラミング言語で記述されます。プログラミングの目的は、コンピュータが特定の操作を実行したり、望ましい動作を示したりするために使用する一連の命令を作成することです。 システム の一種。 相互作用または相互依存する構成要素の集合で、統合された全体を形成するもの、または要素（しばしば「構成要素」と呼ばれる）と関係の集合であり、その集合またはその要素と他の要素または集合との関係とは異なる。 ソフトウェア を含むシステムとは、 コンピュータに何をすべきか、どのようにすべきかを指示するコンピュータプログラムと関連データの集合体です。ソフトウェアとは、コンピュータの記憶装置に格納されている1つ以上のコンピュータプログラムとデータを指します。言い換えれば、ソフトウェアとは、データ処理システムの動作に関わるプログラム、手順、アルゴリズム、およびそのドキュメントの集合体です。技術 の一種とは、 問題を解決するため、既存の問題解決策を改善するため、目標を達成するため、応用的な入出力関係を処理するため、または特定の機能を実行するために、道具、機械、技術、工芸、システム、組織方法の製造、改良、使用、および知識を指します。また、そのような道具、機械、改良、配置、手順の集合体を指す場合もあります。技術は、人間だけでなく他の動物種が自然環境を制御し、適応する能力に大きな影響を与えます。 自然言語処理（NLP）は、コンピュータ技術 の一形態であり、 コンピュータとその応用技術を指します。NLPは、コンピュータ、イメージスキャナ、マイク、および様々な種類のソフトウェアプログラムを利用します。 言語技術 とは、 一方では自然言語処理（NLP）と計算言語学（CL）、他方では音声技術から構成される。また、これらの応用面も多く含まれる。しばしば人間言語技術（HLT）とも呼ばれる。
前提となる技術 自然言語処理を可能にする技術は以下のとおりです。
自然言語処理は、以下の分野に貢献し、また以下の分野（の理論、ツール、方法論）を活用します。
自動推論 とは、 推論の様々な側面を理解し、コンピュータが完全に、あるいはほぼ完全に自動的に推論できるソフトウェアを開発することに特化した、コンピュータ科学と数理論理学の一分野である。人工知能のサブ分野である自動推論は、理論計算機科学と心の哲学にも基づいている。言語学と は、 人間の言語を科学的に研究する学問である。自然言語処理には、言語の構造と応用に関する理解が必要となるため、言語学の知見を大いに活用している。 応用言語学 とは、 言語に関連する現実世界の諸問題を特定、調査し、解決策を提供する学際的な研究分野です。応用言語学に関連する学術分野には、教育学、言語学、心理学、コンピュータ科学、人類学、社会学などがあります。自然言語処理に関連する応用言語学のサブ分野には、以下のようなものがあります。 計算言語学 とは、 計算論的な観点から自然言語の統計的またはルールベースのモデリングを扱う学際的な分野である。計算言語学のモデルとツールは自然言語処理の分野で広く利用されており、その逆もまた然りである。 計算意味論 – コーパス言語学 と は、 「現実世界」のテキストの サンプル（コーパス） で表現される言語を研究する学問です。コーパス は複数形の「コーパス」 であり、自然言語で構成されたテキスト（または音声セグメント）を特別に選択した集合です。構築（収集または構成）された後、コーパスは計算言語学の手法を用いて分析され、構成要素（単語、句、文）の意味と文脈、およびそれらの間の関係が推測されます。必要に応じて、コーパスは（手動または自動で）データで注釈（「タグ付け」）され、コーパスの理解が容易になります（例：品詞タグ付け ）。このデータは、ユーザー入力の意味を理解するために適用され、例えば、人々が何について話しているか、何を言っているかをより正確に（自動的に）推測したり、より絞り込んだウェブ検索を実現したり、音声認識に利用されたりします。メタ言語学 – 手話言語学 とは、 自然手話の科学的研究と分析であり、その特徴、構造（音韻論、形態論、統語論、意味論）、習得方法（第一言語または第二言語として）、他の言語とは独立してどのように発達するか、コミュニケーションにおける応用、他の言語（音声言語を含む）との関係、その他多くの側面を研究する学問である。人間とコンピュータの相互作用 ―― コンピュータ科学と行動科学の交わる分野――は、人間（ユーザー）とコンピュータ間の相互作用の研究、計画、設計を扱います。人間と機械の相互作用に注意を払うことは重要です。なぜなら、人間と機械のインターフェースの設計が不適切だと、多くの予期せぬ問題を引き起こす可能性があるからです。その典型的な例がスリーマイル島原発事故 です。この事故の調査では、人間と機械のインターフェースの設計が、少なくとも部分的に災害の原因であったと結論付けられました。情報検索 （IR）とは、 情報の保存、検索、取得を扱う分野です。コンピュータサイエンスの中でも独立した分野（データベースに近い）ですが、IRは自然言語処理（NLP）の手法（例えば、語幹抽出）に依存しています。現在、IRとNLPの間のギャップを埋めようとする研究や応用例がいくつか存在します。知識表現 （KR）とは、 知識を記号で表現し、それらの知識要素から推論を容易にし、新たな知識要素を生み出すことを目的とした人工知能研究の分野です。知識表現の研究には、正確かつ効果的な推論方法、そして知識領域内の一連の事実を表現するために最適な記号セットの使い方に関する分析が含まれます。 機械学習 とは、 人工知能におけるパターン認識と計算学習理論を研究するコンピュータ科学の一分野です。機械学習には大きく分けて3つのアプローチがあります。 教師あり学習 は、教師が入力と出力の例を機械に与え、入力を出力にマッピングするルールを学習させるものです。教師なし学習は、入力や出力の例が与えられずに、機械が入力構造を決定するものです。強化 学習は、 教師からのフィードバックなしに、機械が目標を達成しなければならないものです。 パターン認識 とは、 機械学習 の一分野で、機械がデータ内の規則性をどのように認識するかを研究するものです。機械学習と同様に、教師は入力例と出力例を与えることで機械にパターン認識を訓練することができます（教師あり学習 ）。また、入力例や出力例を一切与えずに機械がパターンを認識することも可能になります（教師なし学習 ）。統計的分類 –
自然言語処理で使用される構造 照応とは 、 その指示対象が別の指示対象に依存する表現の一種です。例えば、「サリーは自分自身と一緒にいることを好んだ」という文では、「自分自身」は文の主語である「サリー」と共指示関係にあるため、照応表現と言えます。文脈自由言語 – 制御された自然言語 ― 曖昧さや複雑さを排除するために、文法と語彙に制限が加えられた自然言語。コーパスとは、 分析や比較のための実世界のサンプルを提供する、任意でタグ付け（例えば、品詞タグ付け など）されたデータの集合体である。 テキストコーパス とは、大規模で構造化されたテキストの集合であり、今日では通常電子的に保存・処理される。これらは、統計分析や仮説検定、特定の主題（または 領域 ）における出現頻度の確認、あるいは言語規則の検証などに用いられる。音声コーパス とは、 音声ファイルとテキストの書き起こしを収録したデータベースのことです。音声技術においては、音声コーパスは音響モデルの作成（音声認識エンジンで使用可能）などに利用されます。言語学においては、音声コーパスは音声学、会話分析、方言学などの研究に用いられます。 文法 - 自然言語 – n- グラムとは、 n 個のトークンからなるシーケンスのことで、トークンとは文字、音節、または単語のことです。nは数字 に置き換えられます。したがって、5-グラムは5文字、音節、または単語からなるn- グラムです。「Eat this」は2-グラム（バイグラムとも呼ばれる）です。 バイグラム とは、 2つのトークンからなる n- グラムのことです。トークン列における隣接する2つの要素の連続はすべてバイグラムと呼ばれます。バイグラムは音声認識に用いられ、暗号解読にも利用できます。また、バイグラムの出現頻度は、統計的な言語識別手法の一つとして用いられています。トリグラム – n- グラムの特殊なケースで、n は3である。オントロジー とは、 ある領域内の概念群と、それらの概念間の関係性を形式的に表現したものである。 分類学と は、 分類の実践と科学であり、分類の根底にある原理や、物事や概念を分類する方法を含む。 下位語関係と上位語関係 ― 下位語と上位語の言語学。下位語は上位語と類型関係を共有します。例えば、ハト、カラス、ワシ、カモメはすべて鳥（それぞれの上位語）の下位語であり、鳥は動物の下位語です。検索エンジンの分類体系 （ 一般的には「エンティティの分類体系」と呼ばれる）は、 Web検索クエリに含まれると予想されるエンティティをノードにラベル付けしたツリー構造 です。このツリー構造は、検索クエリのキーワードと関連する回答（またはスニペット）のキーワードを照合するために使用されます。テキストの含意とは 、テキスト断片間の方向性のある関係のことです。この関係は、あるテキスト断片の真偽が別のテキストから導かれる場合に成立します。TEフレームワークでは、含意するテキストと含意されるテキストは、それぞれテキスト（t）と仮説（h）と呼ばれます。この関係は方向性のあるものであり、たとえ「tがhを含意する」としても、その逆の「hがtを含意する」ことははるかに不確実です。トライフォンと は、3つの音素からなる配列のことです。トライフォンは、自然言語処理のモデルにおいて、特定の自然言語において音素が出現する様々な文脈を確立するために用いられます。
自然言語処理のプロセス
アプリケーション 自動エッセイ採点 （AES）とは、 教育現場で書かれたエッセイに成績を割り当てるために、専用のコンピュータプログラムを使用する手法です。これは教育評価の方法の一つであり、自然言語処理の応用例でもあります。その目的は、大量のテキストを、可能な成績（例えば1から6までの数字）に対応する少数の離散的なカテゴリに分類することです。したがって、統計的分類の問題とみなすことができます。自動画像注釈とは 、 コンピュータシステムがキャプションやキーワードといったテキスト形式のメタデータをデジタル画像に自動的に割り当てるプロセスです。これらの注釈は、画像検索システムにおいて、データベースから目的の画像を整理・検索するために使用されます。自動要約と は、 コンピュータプログラムを用いてテキスト文書を要約し、元の文書の最も重要なポイントを保持する要約を作成するプロセスです。新聞の経済面記事など、特定の種類のテキストの要約を作成する際によく用いられます。 種類 方法と技術 抽出ベースの要約– 抽象化に基づく要約– 最大エントロピーに基づく要約– 文の抽出 – 支援型要約– 人間支援型機械要約（HAMS）– 機械支援型人間要約（MAHS）– 自動分類体系構築 ―コーパスから ツリー構造 を自動的に構築する技術。これは、ウェブディレクトリや主題概要など、エンドユーザーが閲覧するための分類体系の構築に応用できる。共参照解決とは 、 テキストの正しい解釈を導き出すため、あるいは言及されている様々な主題の相対的な重要性を推定するために、代名詞やその他の指示表現を適切な人物や対象に結びつけることを意味します。文やより大きなテキストの塊が与えられた場合、共参照解決は、テキストに含まれるどの単語（「言及」）がどの対象（「実体」）を参照しているかを判断します。 照応解決と は、 代名詞とそれが指し示す名詞や名前を一致させることに関するものです。例えば、「彼は正面玄関からジョンの家に入った」という文では、「正面玄関」は指示表現であり、特定すべき橋渡し関係は、指示されているドアがジョンの家の正面玄関であるという事実です（他の建物のドアではない）。対話システム – 外国語読解支援とは、母語を持たないユーザーが目標言語で正しく読むことを支援するコンピュータプログラムのこと です 。正しく読むとは、発音が正しく、単語の各部分に適切なアクセントが置かれることを意味します。外国語ライティング支援ツールとは 、 母語を持たない言語使用者（外国語学習者とも呼ばれる）が目標言語で適切に文章を書くのを支援するコンピュータプログラム、またはその他のツールを指します。支援機能は、即時プロンプトと事後チェックの2つのカテゴリに分類できます。文法チェックと は、 書かれたテキストの文法的な正しさを検証する行為であり、特にコンピュータプログラム によって実行される場合を指します。情報検索 – 機械翻訳 （MT）とは、ある人間の言語から別の人間の言語へテキストを自動的に翻訳することを目的とするものです。これは最も難しい問題の一つであり、一般的に「 AI完全 」と呼ばれる問題群に属します。つまり、適切に解決するには、人間が持つあらゆる種類の知識（文法、意味論、現実世界に関する事実など）が必要となる問題です。 自然言語プログラミングと は、 自然言語で伝えられた指示を解釈し、コンピュータ命令（機械語）に変換することである。自然言語検索 – 光学文字認識 （OCR）とは、 印刷されたテキストを表す画像が与えられた場合に、それに対応するテキストを識別する手法です。質問応答 – 人間が発する質問に対して、その答えを導き出す。典型的な質問には明確な正解がある（例：「カナダの首都はどこですか？」）が、時には自由回答形式の質問も考慮される（例：「人生の意味は何ですか？」）。 スパムフィルタリング – 感情分析 とは、 通常は一連の文書から主観的な情報を抽出する手法であり、多くの場合、オンラインレビューを用いて特定の対象物に対する「賛否両論」を判断します。特に、マーケティング目的でソーシャルメディアにおける世論の動向を把握するのに役立ちます。音声認識 とは、 一人または複数の人が話している音声クリップが与えられたときに、その音声のテキスト表現を決定することです。これはテキスト音声変換の反対であり、俗に「 AI完全 」と呼ばれる非常に難しい問題の1つです（上記参照）。自然な音声 では、連続する単語の間にほとんど休止がないため、音声セグメンテーションは音声認識の必須サブタスクです（下記参照）。ほとんどの話し言葉では、連続する文字を表す音が 共調音と 呼ばれるプロセスで互いに混ざり合うため、アナログ信号を離散的な文字に変換することは非常に難しいプロセスになる可能性があります。音声合成 （テキスト音声変換）– テキスト校正 – テキストの簡略化 – 文書の基本的な意味と情報を維持しながら、単語数を減らしたり、より簡単な言葉を使用したりするように、文書を自動的に編集すること。
コンポーネントプロセス 自然言語理解と は、テキストの塊を、 コンピュータ プログラムが操作しやすい一階述語論理 構造などのより形式的な表現に変換することです。自然言語理解には、通常、自然言語の概念を体系的に表記した形式をとる自然言語表現から導き出せる複数の意味の中から、意図された意味を識別することが含まれます。言語メタモデルとオントロジーの導入と作成は効率的ですが、経験的な解決策です。意味論の形式化の基礎を構築するには、閉世界仮定 (CWA) と開世界仮定 、主観的な Yes/No と客観的な True/False などの暗黙の仮定との混同なしに、自然言語の意味論を明示的に形式化することが求められます。[ 7 ] 自然言語生成と は、 コンピュータデータベースからの情報を、人間が読みやすい言語に変換する作業のことである。
自然言語生成の構成要素プロセス 自然言語生成と は、 コンピュータデータベースからの情報を、人間が読みやすい言語に変換する作業のことである。
自動分類誘導 （ATI）とは、コーパスから ツリー構造 を自動的に構築することです。ATIはオントロジーの中核を構築するために使用されます（そして、そうすることで自然言語理解の構成要素となります）。構築されるオントロジーがエンドユーザーが読みやすい形式（主題概要など）であり、これらがさらなるドキュメントの作成に使用される場合（概要を基にレポートや論文を作成するなど）、これも自然言語生成の構成要素となります。文書構造化 –
自然言語処理の歴史 自然言語処理の歴史
機械翻訳の歴史 自動エッセイ採点の歴史 自然言語ユーザーインターフェースの歴史 自然言語理解の歴史 光学文字認識の歴史 質問応答の歴史 音声合成の歴史 チューリングテスト とは、 機械が人間と同等、あるいは区別がつかないほどの知的な振る舞いを示す能力を測るテストである。最初の例では、人間の審査員が、人間と区別がつかないようなパフォーマンスを生み出すように設計された機械と、人間同士で自然言語による会話を行う。参加者は全員隔離されている。審査員が機械と人間を確実に区別できない場合、機械はテストに合格したとみなされる。このテストは、アラン・チューリングが1950年の論文「計算機械と知能」の中で提唱したもので、その論文は「私は『機械は考えることができるか？』という問題を考察したい」という言葉で始まっている。普遍文法とは 、 言語学 における理論で、通常はノーム・チョムスキー に帰せられ、文法を学ぶ能力は脳に生得的に備わっていると提唱している。[ 8 ] 刺激の貧困を 参照）、すべての自然 言語 に共通する特性があることを示唆している。どのような能力が生得的で、どのような特性がすべての言語に共通しているかを正確に判断するには、観察と実験が必要である。ALPACは 、 ジョン・R・ピアースが率いる7人の科学者からなる委員会で、計算言語学全般、特に機械翻訳の進歩を評価するために1964年に米国政府によって設立されました。1966年に発表されたその報告書は、それまでの機械翻訳研究に非常に懐疑的で、計算言語学の基礎研究の必要性を強調したことで悪名高く、最終的に米国政府はこの分野への資金提供を大幅に削減することになりました。概念依存理論 は、 人工知能システムで使用される自然言語理解のモデルです。 スタンフォード大学のロジャー・シャンクが 、人工知能の黎明期である1969年にこのモデルを発表しました。[ 9 ] 拡張遷移ネットワーク ― 形式言語の操作的定義に用いられるグラフ理論的構造の一種で、特に比較的複雑な自然言語の構文解析に用いられ、人工知能分野で幅広く応用されている。1970年にウィリアム・A・ウッズによって提唱された。分散型言語翻訳 （プロジェクト）–
コーパス テキストコーパス （一覧参照 ）とは、 大規模で構造化されたテキストの集合体（現在では通常、電子的に保存・処理されている）のことである。これらは、統計分析や仮説検定、特定の言語領域における出現頻度の確認、言語規則の検証などに用いられる。
固有表現認識器 ABNER（A Biomedical Named-Entity Recognizer）は、 線形連鎖条件付き確率場シーケンスモデルを使用するオープンソースのテキストマイニングプログラムです。テキスト中の遺伝子、タンパク質、その他のエンティティ名を自動的にタグ付けします。ウィスコンシン大学マディソン校のバー・セトルズ氏によって開発されました。 Stanford NER（固有表現認識器）— 線形連鎖条件付き確率場シーケンスモデルを使用する固有表現認識器のJava実装です。英語、ドイツ語、中国語、スペイン語のテキスト中の人物、組織、場所を自動的にタグ付けします。スタンフォード大学のStanford NLPグループのJenny Finkel氏およびその他のメンバーによって作成されました。
その他のソフトウェア CTAKESは 、 電子カルテの臨床自由記述テキストから情報を抽出するためのオープンソースの自然言語処理システムです。臨床記録を処理し、薬剤、疾患/障害、徴候/症状、解剖学的部位、処置といった臨床固有表現の種類を識別します。各固有表現には、テキスト範囲、オントロジーマッピングコード、コンテキスト（患者の家族歴、現在の状況、患者とは無関係）、否定/非否定といった属性があります。Apache cTAKESとしても知られています。DMAP – ETAP-3 – 英語とロシア語に特化した独自の言語処理システム。[ 12 ] 意味テキスト理論 を理論的基盤とするルールベースのシステムです。 JAPE （ Java Annotation Patterns Engine）は、オープンソースのGeneral Architecture for Text Engineering（GATE）プラットフォームの構成要素です。JAPEは、正規表現に基づくアノテーションを処理する有限状態トランスデューサです。LOLITA – 「大規模オブジェクトベース言語インタラクター、翻訳者、分析者」。LOLITAは、ロベルト・ガリリアーノとその同僚によって1986年から2000年にかけて開発されました。これは、制約のないテキストを処理するための汎用ツールとして設計され、幅広いアプリケーションの基盤となることを目指しました。その中核には、約9万個の相互リンクされた概念を含む意味ネットワークがありました。Maluubaは 、 Androidデバイス向けのインテリジェントなパーソナルアシスタントで、ユーザーの地理的位置、連絡先、言語を考慮したコンテキスト検索方式を採用しています。METAL MT は、 1980年代にテキサス大学とシーメンスで開発された機械翻訳システムで、Lispマシン上で動作した。Never-Ending Language Learning – カーネギーメロン大学の研究チームが開発した意味的機械学習システムで、DARPA、Google、NSFからの助成金を受けて開発され、システムの一部はYahoo!が提供するスーパーコンピューティングクラスタ上で稼働している。[ 13 ] [ 14 ] NLTK – オンライン翻訳サイト – Regulus文法コンパイラ – 統合文法を音声認識システム用の文法にコンパイルするためのソフトウェアシステム。Sボイス – Siri（ソフトウェア） – Speaktoit – テルカス – Wekaの 分類ツール– word2vecは 、 Googleのトーマス・ミルコフ率いる研究チームによって開発されたモデルで、より大きなベクトル空間から派生した浅い2次元ニューラルネットワークを用いて、単語の言語的文脈の一部を再構築できる単語埋め込みを生成する。フェスティバル音声合成システム – CMU Sphinx 音声認識システム–
自然言語処理に関する出版物
本 自然言語処理のための学習へのコネクショニスト、統計的、記号的アプローチ – Wermter, S.、Riloff E.、Scheler, G. (編)。 [ 20 ] 音声と言語処理：自然言語処理、音声認識、計算言語学入門 – ダニエル・ジュラフスキー とジェームズ・H・マーティン 著。 [ 21 ]
ジャーナル 計算言語学 – 計算言語学分野の査読付き学術誌。MIT Pressが計算言語学会（ACL）のために季刊で発行している。
参考文献 ↑ 「…現代科学は発見であると同時に発明でもある。自然は概して法則や数学によって記述できるほど規則的に作用するという発見があり、その規則性を明らかにし、法則的な記述を確保するための技術、抽象概念、装置、組織を考案するには発明が必要だった。」 —p.vii、 JL・ヘイルブロン （2003年、編集長）『オックスフォード現代科学史事典』 ニューヨーク：オックスフォード大学出版局ISBN 0-19-511229-6 「科学」。メリアム・ウェブスターオンライン辞書 。メリアム・ウェブスター 社。2011年10月16日 取得。3 a: 一般的な真理または一般的な法則の作用を網羅する知識または知識体系。特に科学的方法によって得られ、検証されたもの。b: 物理世界とその現象に関するそのような知識または知識体系。 ↑ SWEBOK ピエール・ブルク、ロバート・デュピュイ編 (2004)。 ソフトウェアエンジニアリング知識体系ガイド - 2004年版 。編集責任者：アラン・アブラン、ジェームズ・W・ムーア、編集者：ピエール・ブルク、ロバート・デュピュイ。IEEE コンピュータ ソサエティ 。p. 1。ISBN 0-7695-2330-7 2009年3月23日にオリジナルからアーカイブされました。 2012年12月9日 に取得 。↑ ACM (2006). "コンピューティングの学位とキャリア" . ACM. 2011年6月17日の オリジナルからアーカイブ済み。 2010年11月23日 取得 。 ↑ ラプランテ、フィリップ (2007). ソフトウェアエンジニアリングについてすべてのエンジニアが知っておくべきこと . ボカラトン: CRC. ISBN 978-0-8493-7228-5 2011年1月21日 に取得 。↑ 入力デバイスコンピュータ 希望 ↑ McQuail, Denis. (2005). McQuail's Mass Communication Theory . 第5版. ロンドン: SAGE Publications. ↑ Yucong Duan、Christophe Cruz (2011)、 [http – //www.ijimt.org/abstract/100-E00187.htm Formalizing Semantic of Natural Language through Conceptualization from Existence] . International Journal of Innovation, Management and Technology(2011) 2 (1), pp. 37–42. ↑ 「ツールモジュール：チョムスキー の 普遍文法」 。thebrain.mcgill.ca 。 ↑ Roger Schank 、1969年、「自然言語のための概念的依存関係パーサー」、 1969年計算言語学会議議事録、スウェーデン、サング＝セービー、1-3ページ↑ McCorduck 2004 、p. 286 、 Crevier 1993 、pp. 76−79 、 Russell & Norvig 2003 、p. 19 ↑ McCorduck 2004 、pp. 291–296 、 Crevier 1993 、pp. 134−139 ↑ "МНОГОЦЕЛЕВОЙ ЛИНГВИСТИЧЕСКИЙ ПРОЦЕССОР ЭТАП-3" . Iitp.ru 。 2012 年 2 月 14 日 に取得 。 ↑ 「人間のように学ぶことを目指し、機械が自ら学習する」 。 ニューヨーク・タイムズ 。2010年10月4日。2010 年 10月5日閲覧 。 今年初めから、カーネギーメロン大学の研究者チームは、国防高等研究計画局とGoogleからの助成金を受け、Yahoo!が提供する研究用スーパーコンピューティング・クラスターを活用し、人間のように学習することで意味論を習得しようとするコンピュータ・システムを微調整してきた。 ↑ プロジェクト概要、カーネギーメロン大学 。2010年10月5日アクセス。 ↑ 「ローブナー賞コンテスト2013」 。People.exeter.ac.uk。2013年9月14日。 2013年12月2日 閲覧 。 ↑ ギブス、アル (2002-03-25)。「仲間の輪はますます広がっている」。 ラスベガス・レビュー・ジャーナル (ネバダ州) 。 ↑ 「ActiveBuddyがテキストメッセージング用のインタラクティブエージェントを作成・展開するソフトウェアを発表。ActiveBuddy開発者サイトがオープン：www.BuddyScript.com」 。Business Wire 。2002年7月15日。 2014年1月16日 閲覧 。 ↑ Lenzo, Kevin (1998 年夏)。 「Infobots と Purl」 。The Perl Journal。3 ( 2) 。2010 年 7 月 26 日 に 取得 。 ↑ ラオーデン、カルロス。ガラン・ガルシア、パトシィ。サントス、イゴール。サンツ、ボルハ。イダルゴ、ホセ・マリア・ゴメス。ブリンガス、パブロ G. (2012 年 8 月 23 日)。 Negobot: 小児性愛者の行動を検出するためのゲーム理論に基づいた会話エージェント (PDF) 。スプリンガー。 ISBN 978-3-642-33018-6 2013年9月17日にオリジナル（PDF） からアーカイブされました。↑ Wermter, Stephan; Ellen Riloff; Gabriele Scheler (1996). Connectionist, Statistical and Symbolic Approaches to Learning for Natural Language Processing . Springer. ↑ Jurafsky, Dan; James H. Martin (2008). Speech and Language Processing. An Introduction to Natural Language Processing, Computational Linguistics, and Speech Recognition (2nd ed.). Upper Saddle River (NJ): Prentice Hall. p. 2. ↑ 「SEM1A5 - パート1 - 自然言語処理の簡単な歴史」 。 2010年6月25日 取得 。 ↑ Roger Schank 、1969年、「自然言語のための概念的依存関係パーサー」 、1969年計算言語学会議議事録、スウェーデン、サング＝セービー、1-3ページ↑ イブラヒム、アムル・ヘルミ。 2002。「モーリス グロス (1934-2001)。モーリス グロスの思い出」。エルメス 34。 ↑ ドハティ、レイ。2001年。モーリス・グロス追悼の手紙 。 ↑ Wolfram, Stephen (2010年11月16日). 「自然言語によるプログラミングは実際に機能するようになるだろう ― Wolframブログ」 . Stephen Wolfram Writings .
参考文献 クレヴィエ、ダニエル （1993）。AI ：人工知能をめぐる激動の探求 。ニューヨーク、ニューヨーク州：ベーシックブックス。ISBN 0-465-02997-3 。マコードック、パメラ（2004）、『考える機械』 （第2 版）、マサチューセッツ州ネイティック：AK Peters, Ltd.、ISBN 978-1-56881-205-2 OCLC 52197627 ラッセル、スチュアート・J. 、ノーヴィグ、ピーター （2003）、『人工知能：現代的アプローチ』 （第2 版）、アッパー・サドル・リバー、ニュージャージー州：プレンティス・ホール、ISBN 0-13-790395-2 