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 69. Читать онлайн

.Род) >адеж .вр.,

амма реде- рам(иро(аков >оно<ото1.

оста, т.е. зия о за от омо- язна:лова овска (овы: (иола

тся с 'и же >угой >т не нем говая при-

(лярный, юля- сло- яатиац, а енты

пнтаксического анализа. Так, цепочка В -ом -е -ют(ся) -ие и -ые ы говорит о вполне определенной синтаксической структуре < й уютном доме собираются ловкие и веселые студенты и др.) [смл А1сльчук, Равич, 19б7, 251]. Но такой метод не имеет выхода к

мантическому анализу, для которого нужно знать леммы, а правильное вычисление лемм — тоже отдельная проблема.

Таким путем развиваются многие системы АИ и МП в ВИНИТИ [ мл Белоногов, Зеленков, 1985]. Из последних работ также (редставляют интерес работы по морфологическому тегированию русских текстов в Грузии [смс Чикондзе, 1997], где обосновываетн сетевой пол;ход к представлению языковых процессоров, н осо- «eM>lo к МорфАн. Одно из преимуществ данного подхода авторы пидят в том, что он образует хорошую основу для построения двунаправленных (анализ/синтез) морфологических процессоров. Этот юдход опирается на статистику в больших текстовых массивах (< orpora based NLP), в частности на использование статистических а>нных, касающихся порядка следования наборов морфологиче< ких характеристик в тексте, но предполагает привлечение человека-оператора. Подход имеет и другие приложения, например обу(ение. В том числе он может быть также приложим к синтаксиче-, < кому анализу, основанному на конфигурациях [смл Мельчук, ) 9б4].

МорфАи «по аналогиив

Восстановление леммы для «новых» слов (не найденных в основном морфологическом словаре) или для всех слов при «слепом» узнавании происходит по методу аналогии с уже проанали<ированнымн.

Рассмотрим ниже варианты МорфП слова КРОВАТЬ, которые пыдаются в системе М. Мальковского, если это слово не найдено п словаре:

ВАРивят т

сир«жение по образцу слова ПИРОВАТЬ

* значение грамматического признака (ГП) «вид» неизвестно *

(выбран несовершенный вид)

КРОВАТЬ

КРУЙ КРУЙТЕ

КРУЮ (БУДУ КРОВАТЬ)

KPYEIIIb (ВУДЕШЬ КРОВАТЬ)

KPYET (БУДЕТ КРОВАТЬ)

KPYEM (БУДЕМ КРОВАТЬ)

KPYETE (ВУДЕТЕ KPOBATb)

КРУЮТ (БУДУТ KPOBATb)

KPOBAJI KPOBAJIA KPOBAJIO KPOBAJIM

КРУЯ КРОВАВ

69

Обложка.
DJVU. Автоматическое понимание текстов. Системы, модели, ресурсы. Леонтьева Н. Н. Страница 69. Читать онлайн