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 6. Читать онлайн

результате «вычитания» СемП вопроса из СемП текста, из х рой можно сгенерировать текст ответа пользователю.

В главе 8 показано несколько способов структурирования циальных знаний, характеризующих ту или иную предме~ область. В основном зто массивы предметной, энциклопед ской информации, собранные в базы данных (БД). Зто и ело терминов данной ПО, и БД, в которые включены имена и оп ния разных спецобъектов в их иерархических связях. Подр~ описан Тезаурус общественно-политической терминологии Тез), являющийся главным компонентом действующей сисз РОССИЯ как инструмент индексирования, рубрицирования в формационного поиска.

Все описанные в главе 8 системы иллюстрируют не только собы представления специальных знаний, но и разные при смыслового сжатия текста.

Глава 9 посвящена описанию нескольких информацион процессов, родственных процедуре автоматического сжатия стов. Это системы индексирования, рубрицирования, аннот~ ванна и реферирования; к получаемому результату обычно бавляют элемент квази: квазианнотация, квазиреферат и т.д. новную роль в этих процессах играет морфологический, стати ческий и терминологический анализ. Зги работы очень вах так как они имеют дело с естественным входным материалом (, ствительно значительно сжимая его), с естественным пользов лем, а главное, они надолго определили методику работы с ~ сивами текстов. Как и системы машинного перевода, они пр~ жили путь следующим более интеллектуальным системам у (потенциал которых, однако, еще не реализовался), зто сист Information Extraction (IE), text mining, data mining, knowledge disco knowledge aqaisition и др. В общем виде их задача состоит в извл нии частичных знаний из больших массивов текстов, т.е. в ol ружении таких фрагментов текста, которые отвечают задан информационной установке и могут быль помещены в формаз данных.

Глава 10 кратко описывает системы генерации текстов (C и содержит обзор проблем, встающих при синтезе информа из разных типов баз данных и представлении результатов в ~ естественных текстов (ET). C(T обеспечивают автоматическое рождение связных текстов на естественном языке (ЕЯ). Оснс для работы СГТ могут служить разнообразные семантичесю концептуальные структуры, в частности базы данных и зна» из которых пользователь хочет извлечь интересующую его ин~) мацию уже в словесном виде.

Те параметры текста, которые нужно учитывать при ген ции, обостряют требования к семантическому анализу и фор рованию его результатов.

Обложка.
DJVU. Автоматическое понимание текстов. Системы, модели, ресурсы. Леонтьева Н. Н. Страница 6. Читать онлайн