Digital semantic communication methods for text

Semantik iletişim, bit dizileri yerine altında yatan semantik bilgilerin doğru bir şekilde iletilmesine odaklanan bir paradigma olup, etkinliğini kanıtlamıştır. Derin öğrenme (DL) tabanlı yöntemler, metnin semantik iletişimi için genellikle temel doğal dil işleme (DDİ) teknikleriyle birlikte kullanılmaktadır. Ancak, önceki birçok derin öğrenme (DL) tabanlı semantik iletişim sistemi, mevcut dijital modülasyon tabanlı sistemlerle ve ikili kanallarla uyumsuz olan sürekli değerli kanal vektörlerini kullanmaktadır. İlk olarak, bu sorunu çözmek için, dilbilimdeki temel bir kavram olan sememeleri kullanan Sememe-tabanlı Semantik İletişim (SememeSC) adlı bir semantik iletişim paradigması öneriyoruz. Dilbilim ve derin öğrenme (DL) tabanlı, geleneksel iletişim algoritmalarıyla birleşen bir semantik kaynak kodlama-çözme stratejisi tasarlıyoruz. Önerilen SememeSC'nin, toplanır beyaz Gauss gürültüsü (AWGN) ve Rayleigh sönümlemesi kanallarında temel yöntemlere kıyasla üstün performans sergilediğini doğrulayan deneysel sonuçlar sunuyoruz. İkinci olarak, derin öğrenme (DL) tabanlı birleşik kaynak-kanal kodlama mimarisini, eklemeler, silmeler ve yer değiştirmeler (IDS) içeren ikili kanallara genişletiyoruz. İşaretçi tespiti için kapalı geçitli tekrarlayan ünite (GRU) ağlarını, sürekli gizli uzay için dönüştürücü tabanlı semantik iletişimi ve ikili hale getirilmiş gizli uzay optimizasyonu için aramasız nicemlemeyi birleştiren yenilikçi üç aşamalı bir eğitim algoritması öneriyoruz. Önerilen DeepJSOC, senkronizasyon hataları içeren ikili kanallar için birleşik kaynak-kanal kodlama şemalarına DL tabanlı hata düzeltme ağlarını entegre eden ilk yaklaşımdır. DeepJSOC'un etkinliğini, IDS kanalları üzerinden metin iletimi konusunda mevcut yöntemlere göre önemli iyileştirmeler elde eden sayısal deneylerle gösteriyoruz.