ПравообладателямАвтоматическое понимание текстов. Системы, модели, ресурсы, Леонтьева Нина
Книжная полка
перейти на полку → Хочу прочитатьЧитаюПрочитана
ИзбранноеВладею
Чтобы воспользоваться книжной полкой выполните вход либо зарегистрируйтесь
← Назад
Скачать: , Леонтьева Нина Николаевна djvu   Читать

Учебное пособие обобщает опыт создания отечественных и зарубежных систем, реализующих автоматическое понимание текстов. Эти сложные "интеллектуальные" системы выделяются из множества систем, которых просто используется автоматическая обработка текста, поскольку автора интересует именно качественный аспект понимания. Рассмотрены те компоненты процесса АПТ, которые могут быть заданы в вербальном виде. В основе пособия - идея "мягкого" понимания текста; представлена экспериментальная лингвистическая система политекст, осуществляющая гибкое соединение лингвистических и предметных знаний.

Для студентов лингвистических факультетов вузов. Может быть рекомендовано для тех, кто интересуется искусственным интеллектом, структурной и прикладной лингвистикой, информатикой.







DJVU. Автоматическое понимание текстов. Системы, модели, ресурсы. Леонтьева Н. Н.
Страница 123. Читать онлайн

ение мало,

зя и :тви- ывазй- дает зета- пек- ребнять noro

ь все сло- буклкой,

~ уп- лав!m»), ьи и ного

ями, дает овазчно лось лме-

ного пе-

сла- терлова ехоятся

гике тим тря- зви- тек-

Проблема неполных актантных структур

Набор формул — смысловых валентностей лексемы — становится частью СемП предложения и далее СемПрост текста. Но некоторые валентности, семантически сильные (по определению, раз они записаны в семантическом словаре), не являются сильнымии синтаксически. Идеальные полные предложения редко встречаются в тексте, это скорее учебные примеры, конструируемые нингвистами. Если некоторая валентность не заполнилась по каким-либо причинам (нужного слова не было во фразе или оно не удовлетворяло каким-либо — семантическим или грамматическим — словарным требованиям, либо в тексте употреблена словоформа с редуцированным составом валентностей), соответствующее СемО в нашей модели переходит в СемП с незаполненным местом, т.е. смысловая неполнота фиксируется в явном виде. Так, лля фразы Traduire un texte du francais en russe в СемП фиксируется отсутствие Агенса:

Агенс (?, traduire)

Объект (teste, traduire)

Источник (francais, traduire)

Результат (russe, traduire)

Для фразы Il traduit de 1963 а 1975 «Он переводит с 1963 по 1975 год» фрагмент СемП, соответствующий набору валентностей слова traduire, должен быль таким:

Агенс (it, traduire)

Объект (?, traduire)

Источник (?, traduire)

Результат (?, traduire)

Первое место СемО Объект (,) не заполнено, так как слова нет во фразе; Источник (,) и Результат (,) не заполнены, так как при удовлетворении формальных требований (de ... а) не удовлетворены семантические требования ( 1963 и 1975 — обозначают время). Предложные группы de 1963 и а 1975 останутся несвязанными на этапе интерпретации только сильных связей.

В русской фразе (реальном названии документа) Программа работ лаборатории машинного перевода с французского языка на 1975 год синтаксический анализ свяжет обе предложные группы со словом перевод по синтаксической модели управления этого слова; семантический анализ интерпретирует первую связь как Источник (?, перевод), а вторую (на 1975 год) исключит из разряда сильных для лексемы перевод, т.е. переведет в разряд возможных слабых связей именно для этой лексемы. Более успешной будет попытка объявить эту группу сильной для лексем Программа и работа, так как она удовлетворяет всем требованиям (ГХ и СХ) заполнения их валентностей: Время (1975 год, Программа) или

123

Обложка.
DJVU. Автоматическое понимание текстов. Системы, модели, ресурсы. Леонтьева Н. Н. Страница 123. Читать онлайн