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 201. Читать онлайн

ше ше дло пвв) еди ими

цнт :тро даю юва оше ни

.нст ьян

но

око

rosa, Шаров, 19981. Подход основан не только на совместимости по входным спецификациям, но и на лингвистически единой процедуре генерации текстов на разных языках, что требует их согласованного (контрастивного) описания.

В том же коллективе создается многоязыковой генератор QGen, обрабатывающий пользовательские запросы на русском, английском и немецком языках и легко адаптирующийся к смене ПО j Болдасов, 2004]. Выше приведена схема генерации, поддерживаемая инструментальными средствами InBase (схема 7).

В 52. Описание системы Foo

РоС — двуязычный генератор отчетов, который строит тексты сводок погоды (стандартных и специального назначения) непосредственно из графических изображений.

В задаче преобразования данных в текст участвуют три компонента:

а) извлечение исходных данных;

б) концептуальная обработка данных;

в) лингвистический компонент.

Извлечение исходных данных для СГТ FoG. Еще до вызова системы FoG поток информации (прогноз погоды) квантуется на временные ряды (каждый содержит от 48 до 60 ч), и ежечасно юступные графики (погодные карты). Реально в основной системе хранится намного меньше карт (за 48 ч всего 5 карт), все промежуточные могут быть получены программно по запросу. Каждый район прогнозирования представлен от одной до четырех пар показателей географической широты/долготы.

На запрос о значениях метеорологических полей в заданной гочке (например, температура воздуха) FoG обращается к программе выборки (Sampler), которая считывает с интерполированных карт нужные значения полей для этой географической точки, распределенные по временнбму ряду, и возвращает их в сисreMy FoG.

Концептуальная обработка данных в FoG. Ее проводит экспертная система, которая путем выполнения многих автоматических процедур переводит таблицу конкретных данных в более компактное и более абстрактное концептуальное представление. Роль эксперта-синоптика и его субъективные оценки система стремится свести к минимуму. Так, для построения одного морского про- ~ ноза погоды требуется 7б выборок. Первичный прогноз содержит более 15 тыс. значений данных. На первом этапе требуется минимизировать эту огромную порцию информации, сведя ее к небольшому количеству важных событий (егепн). Синоптики обычно ограничиваются в прогнозе количеством 5 — 7 парагра-

201

Обложка.
DJVU. Автоматическое понимание текстов. Системы, модели, ресурсы. Леонтьева Н. Н. Страница 201. Читать онлайн