Вот проблема в деталях: поэтому для обработки естественного языка у нас есть вычислительная модель, которая объясняет, как мировые знания и лингвистический опыт интегрированы на уровне интерпретации.Модель практически реализуется моделью нейронной сети.Теоретически, у нас есть распределенное пространство состояний-состояний (DSS), которое в основном представляет собой матрицу смежности mxn M, состоящую из n предложений (столбцов) и m наблюдений (строк).В этой матрице предложения являются простыми предикатами вида P (x, y).Например, «войти (Том, ресторан)».И наблюдения являются комбинациями этих предикатов.Например, «введите (Том, ресторан) ^ порядок (Том, ужин)».Если в предложении i выполняется предложение j, то M (i, j) = 1 или 0. Для этой модели / матрицы у нас есть 40 предложений (столбцов) и 25000 наблюдений (строк), что делает матрицу большой таблицей истинности.ОДНАКО, на практике эта матрица слишком велика, чтобы ее можно было реализовать через нейронную сеть, поэтому мне нужно найти метод, позволяющий уменьшить количество строк при сохранении как можно большего количества информации, предполагаемой вероятности, а также СРАВНЕНИЯ междуотдельные векторы.