Les chercheurs proposent le PCFG neuronal holographique (Hol-PCFG), une méthode qui reformule la notation des règles du PCFG comme un modèle de relations algébriques entre les embeddings de symboles grammaticaux à l'aide d'embeddings holographiques.
- Hol-PCFG note les relations enfant-gauche, enfant-droite et émission lexicale sur des embeddings contraints par un tore via la corrélation circulaire.
- L'approche donne à chaque probabilité de règle une forme fermée qui porte la structure intrinsèque des règles grammaticales par construction.
- Il atteint les performances d'analyse les plus avancées dans six langues tout en réduisant de 99,94 % les paramètres de notation des règles par rapport au modèle de référence.
- Le modèle s'entraîne plus stablement et peut analyser directement le japonais à partir des caractères sans aucune segmentation morphologique, conservant une performance quasi identique au niveau des morphèmes.
Hol-PCFG fournit une forme mathématique interprétable pour les probabilités des règles tout en réduisant significativement le nombre de paramètres et en améliorant la stabilité de l'entraînement.