Statistical Relational Learning of Natural Language
Project information
Abstract: 

This project wants to investigate how techniques of statistical relational learning can be used for natural language processing. The focus will be on challenging natural language processing tasks, such as semantic role labeling, where syntac and semantic depedencies, structured and unstructured data, local and global models, and probabilistic and logical information must be combined with one another. For what concerns statistical relational learning, the emphasis will lie on probabilistic extensions of the programming language Prolog. The project does not only aim at obtaining improved natural language processing techniques but also better algorithms and systems for statistical relational learning.

Abstract Dutch: 

Dit project wil onderzoeken hoe technieken van statistisch relationeel leren gebruikt kunnen worden voor het leren van natuurlijke taal. Daarbij zal de nadruk liggen op uitdagende taken van de natuurlijke taalverwerking, zoals “semantic role labeling”, waarbij syntactische en semantische afhankelijkheden, gestructureerde en ongestructureerde gegevens, lokale en globale modellen, en probabilistische en logische informatie met elkaar moeten gecombineerd worden. Voor wat betreft het statistisch relationeel leren zal onze aandacht vooral uitgaan naar representaties die gebaseerd zijn op probabilistische uitbreidingen van de programmeertaal Prolog. Het project wil hierbij niet alleen betere resultaten in de natuurlijke taalverwerking realiseren maar ook betere algoritmen en systemen voor statistisch relationeel leren.

Project Leader(s): 
Walter Daelemans
External Collaborator(s): 

Mathias Verbeke

Bettina Berendt

Luc De Raedt

Period: 
01/09/2010 - 31/01/2013
Sponsor(s): 

FWO

Syndicate content