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 179. Читать онлайн

гми ос- пе- здаиво яваних гипа зты- лча- ото, по- про- оль~едеред- '

ибодан атья l969 ефежи

) ети

гави

голо

,гва

гзум

зва

:нти

бра

,ю . о 197 ,то tx

чек и определения значимости, совместное употребление значимых слов с расширением до получения значимого фрагмента, использование синтаксических и лексических индикаторов для той же цели, опора на клишированные схемы документа; подробно описаны позиционные методы фрагментирования.

Системы АИ, АР и включающие их ИПС различаются степенью подробности и методами анализа исходного текста, знаниями, которые закладываются в систему, конкретными задачами обработки текста и т.д.

В 46. Системы <свопрос-ответ»

Диалоговые системы, моделирующие содержание общения, заслуживают отдельного и детального (ввиду своей специфики) рассмотрения, которое не входит в задачи данного пособия. Но коротко напомним.

В работе H. Н. Перцовой подробно рассмотрены системы «вопрос-ответ» (СВО), которые она классифицирует на четыре группы [см:. Перцова, 1976]:

1) СВО-1: нет ни семантического, ни логического компонента;

2) СВО-2: есть семантический, нет логического компонента;

3) СВО-3: нет семантического, есть логический компонент;

4) СВО-4: есть семантический и логический компоненты.

Основные представители СВО-1: Baseball, Eliza, Student, Carps, Acorn, Магуяа. Это системы со специальным форматом; типы входных предложений заданы заранее, и каждому поставлен в соответствие один ответ. Он дополняется словами из предшествующей фразы, с некоторыми заменами. Другая разновидность работает с гекстом, в котором заданы синтаксические связи. Поступивший вопрос сравнивается последовательно со всеми фразами, хранящимися в памяти ЭВМ. Ответом считается такая фраза из памяти «)ВМ, которая максимально схожа с поступившей (по совпадению лексики и синтаксических отношений). Это квазидиалог, но механические системы такого типа не перестали разрабатывать, несмотря на их механистичность.

Системы 2-й и 3-й групп также мало перспективны: в них все преобразования (семантического и логического характера) осуществлялись на сыром, неформализованном языковом материа~е, минуя этап семантического анализа.

СВО-4 — зто уже системы, моделирующие понимание, к ним огнесены системы Preference Semantic System (И.Уилкс), Margie гр. Шенк), SHRDLU (T.Виноград), LUNAR (У. Вудс), SCHOLAR ( Карбонелл и др.). Основным в них является не лингвистический, з логический компонент, применимый к узкому кругу тем; семантика больших массивов текстов не стала в них главной про-

179

Обложка.
DJVU. Автоматическое понимание текстов. Системы, модели, ресурсы. Леонтьева Н. Н. Страница 179. Читать онлайн