Los argumentos y debates entre humanos generalmente se llevan a cabo en un lenguaje natural, como el inglés. A menos que los participantes conozcan la lógica formal, los enfoques algorítmicos para resolver argumentos requieren traducir el lenguaje natural a una lógica formal.
La comunidad de procesamiento del lenguaje natural ha enmarcado el problema como un reconocimiento de la implicación textual [1]. El problema: dado un texto T y una hipótesis H, determinar si T implica lógicamente H. Por ejemplo, ¿la oración “Lincoln fue asesinado” implica que “Lincoln está muerto”? Para reconocer que esta es una inferencia válida, la computadora debe comprender que las personas están vivas hasta que mueren, y que el asesinato hace que una persona muera. Este es un problema difícil incluso en los casos más simples. Existe un amplio conjunto de suposiciones y convenciones no formalizadas que subyacen a nuestros argumentos, comúnmente conocidos como sentido común.
Algunos enfoques para reconocer la implicación textual implican primero traducir el texto y la hipótesis del lenguaje natural a la lógica de primer orden, y luego usar técnicas automatizadas de prueba de teoremas [2]. Otros aprenden argumentos válidos directamente entre oraciones en lenguaje natural [3].
- En términos simples, ¿cómo funciona el algoritmo de hash perfecto "comprimir, hash y desplazar (CHD)"?
- ¿Cuáles son las ideas que puedo investigar?
- Cómo utilizar mejor la fase de refutación en una conferencia de primer nivel
- ¿La fotogrametría hará que la escultura digital sea obsoleta?
- ¿Cuáles son algunos documentos notables en la investigación de lenguajes de programación?
[1] http://aclweb.org/aclwiki/index….
[2] http://dl.acm.org/citation.cfm?i…
[3] http://nlp.stanford.edu/~wcmac/p…