基于大语言模型的语义通信:现状,挑战与展望

语义通信有望成为下一代无线网络关键技术之一。但现有语义通信方案仍面临几个问题,如语义难以数学建模与优化、系统语义理解能力有限。大语言模型的出现为解决这些问题提供了可能性。首先回顾了基于深度学习的语义通信,接着分析了将大语言模型应用于语义通信的优势,包括在语义理解和生成等方面的突出表现。随后详细介绍了基于大语言模型的语义通信的最新进展,展示了该技术在提升系统的语义解析能力、提高信息传输效率方面的显著成果。然而,这种方法仍面临一些开放性问题,包括计算和资源需求、适应性和泛化性、大模型幻觉、以及数据隐私和安全性等挑战。最后,讨论了基于大语言模型的语义通信可能的应用场景,如数据爆发式传输、人机通信以及在恶劣环境下的通信,展示了其在多个领域中的潜在价值和广泛应用前景。

基于规则的汉语自动分词系统

本文通过对汉语自动分词难点的分析,讨论了词频和词结合力的关系,提出了一套机械切分与语义校正的汉语自动分词方法。 系统包括建立绝对切分标志符表,变长度最大匹配法、2-3-1优先规则集、固有歧义切分和组合歧义切分校正方法等。最后列举了描述语义校正规则的实例。系统作为CETRAN.A的一部分,在SUN3-280工作站上实现。