Automa Cellulare Neurale Raggiunge il 100% in 11 su 17 Categorie SLOG

Un nuovo metodo per la generalizzazione strutturale nel parsing semantico impiega un automa cellulare neurale (NCA) con un collo di bottiglia discreto, ottenendo una corrispondenza perfetta di tipo esatto in 11 delle 17 categorie del benchmark SLOG. A differenza delle tecniche precedenti che dipendono da regole algebriche create manualmente (AM-Parser) o faticano a generalizzare (modelli basati su Transformer), questo approccio deriva tutte le regole composizionali dai dati attraverso iterazioni locali. Supera AM-Parser in tre categorie, dove i punteggi di AM-Parser vanno dallo 0% al 74%, e mostra una deviazione standard di 0,2 su 10 semi rispetto al 4,3 di AM-Parser. Un esame di 5.539 casi di fallimento identifica due meccanismi specifici: combinazioni uniche di contesto di estrazione wh con meno tipi verbali, e modificatori situati sul lato soggetto dei verbi.