Адаптация лингвистического обеспечения к естественному языку пользователя

• Автор: Пастухов, Александр Юрьевич
• Шифр специальности: 05.13.01
• Научная степень: Кандидатская
• Год защиты: 2001
• Место защиты: Волгоград
• Количество страниц: 204 с.

СОДЕРЖАНИЕ

ОСНОВНЫЕ ОБОЗНАЧЕНИЯ И СОКРАЩЕНИЯ

ВВЕДЕНИЕ.

1. СОСТОЯНИЕ ВОПРОСА И ПОСТАНОВКА ЗАДАЧИ ИССЛЕДОВАНИЯ

1.1. Обзор современных алгоритмических языков

1.2. Обзор систем обработки естественного языка

1.3. Обзор методов обработки естественного языка.

1.4. Постановка задачи.

2. РАЗРАБОТКА ТЕХНОЛОГИИ АДАПТАЦИИ ЛИНГВИСТИЧЕСКОГО ОБЕСПЕЧЕНИЯ К ЕСТЕСТВЕННОМУ ЯЗЫКУ.

2.1. Процесс чтения текста программы .

2.2. Анализ адекватности языков программирования.

2.2.1. Близость морфологического уровня к естественному языку
2.2.2. Близость структуры операторов к естественному языку.
2.2.3. Использование контекстной информации
2.2.4. Использование дополнительных знаний.
2.2.5. Графическая и языковая разметка текста
2.3. Технология адаптации лингвистического обеспечения к естественному языку.
2.3.1. Морфологический уровень.
2.3.2. Адекватность синтаксического описания.
2.3.2. Обращения к свойствам и методам объектов.
2.3.2.2 Оформление вызова метода.
2.3.3. Использование контекстной информации
2.3.3.1 Анафорические конструкции
2.3.3.2 Повторный вызов метода.
2.3.4. Использование дополнительной информации.
2.3.4.1 Дескриптивные референции.
2.3.4.2 Манипулирование множествами объектов
2.3.5. Средства оформления текста программы.
2.3.5.1 Языковая разметка текста
2.3.5.2 Графическая разметка текста.
2.3.6. Лингвистический процессор, необходимый для поддержки расширений языка
2.3.6.1 Структура лингвистического процессора транслятора.
2.3.7. Дополнительные средства лингвистического процессора
2.4. Выводы.
3. СТРУКТУРА ТРАНСЛЯТОРА
3.1. Лексический анализатор.
3.2. Грамматика декларативной части кода
3.3. Синтаксический анализатор декларативной части кода.
3.4. Грамматика императивной части кода.
3.5. Слабые методы предварительной разметки кода
3.6. Синтаксический анализатор императивной части кода
3.7. Генератор кода.
3.8. Выводы.
4. СРЕДА РАЗРАБОТКИ СТИМУЛ
4.1. Среда разработки.
4.2. Лексический анализ.
4.3. Блок работы со словарем.
4.4. Блок морфологического анализа и синтеза.
4.5. Синтаксический анализ декларативной части программы.
4.6. Синтаксический анализ императивной части программы
4.6.1. Средства слабой разметки текста
4.6.2. Прямой порядок обращения к свойству или методу объекта. 1
4.6.3. Вызов метода с произвольным расположением аргументов.
4.6.4. Анафорические конструкции
4.6.5. Повторный вызов метода.
4.6.6. Дескриптивная референция
4.6.7. Сочинительные конструкции
4.6.8. Завершение синтаксического анализа.
4.7. Генератор кода.
4.7.1. Дескриптивные референции.
4.7.2. Анафорические конструкции
4.7.3. Синонимичные идентификаторы
4.7.4. Работа с множествами объектов
4.7.5. Генерация полного текста программы.
4.8. Результаты.
5. Примеры применения технологии
5.1. Адаптация лингвистического обеспечения САПР .
5.1.1. Перевод системы команд на русский язык.
5.1.2. Сцепленные команды.
5.1.3. Разорванные идентификаторы.
5.1.4. Альтернативное оформление привлечения контекста
5.2. Адаптация языка запросов .
5.3. Адаптация к другим естественным языкам. Английский.
5.3.1. Апострофные конструкции
5.3.2. Морфология английского языка
5.4. Выводы
ЗАКЛЮЧЕНИЕ
СПИСОК ЛИТЕРАТУРЫ


Данный класс систем ориентирован не столько на использование в реальных задачах, сколько на развитие методов и моделей, позволяющих осуществлять перевод естественноязыковых высказываний, относящимся к узким и заранее фиксированным проблемным областям, в формальное представление, а также обратный перевод. Представителями данного класса являются системы ПОЭТ 1, ДИСПУТ , , i и др. Второй класс систем ,, возник в связи с появлением баз данных. С их появлением возникла проблема обеспечения доступа к информации широкого класса неподготовленных пользователей. Для решения этой задачи создаются системы общения с базами данных, основная задача которых заключается в выполнении перевода запросов неподготовленных конечных пользователей с естественного на формализованные языки запросов к базе данных. К системам этого класса относятся X, , I и др. Диалоговые системы решения задачи , , берут на себя функции интеллектуального монитора, обеспечивающего решение заранее определенных классов задач. В рамках данного подхода были созданы следующие системы XI, VI, и др. Класс систем обработки связного текста . Вопервых, это системы моделирующие процесс понимания законченных описаний какихто фрагментов действительности, выраженных в виде текста на естественном языке, т. Обычно такие системы используются для поиска текста с нужной пользователю информацией, его реферирования, поиска дополнительной информации, связанной с ним и т. К этим системам относятся ТАСС , , , I, и др. Другим представителем данного класса являются системы проверки орфографии , , . К наиболее развитой системе этого типа относится система построения гипертекстовых документов на русском языке КомпТек. Система отличается от аналогов построением индексов не по словоформам, а по словам, что позволяет однозначно идентифицировать слова во всех формах в тексте. Данная система ориентирована на поиск статей по ключевым выражениям, заданным в запросе и сейчас идет дальнейшее развитие системы ориентированное на обработку текстов на русском языке . Еще одним направлением обработки текстов на естественных языках являются системы автоматического перевода , , . Они также используют индексацию словаря по словам и используют принципы синтаксического анализа и дополнительную информацию о характерных оборотах. Обычно текст предварительно переводится на внутренний язык системы и затем, уже с этого промежуточного языка строится текст на целевом языке. Такая конструкция позволяет использовать модульное построение системы и расширять область е действия простым формированием дополнительных словарей. Более простые версии представляют собой обычные интерактивные словари, как, например, Контекст . Все приведенные выше системы обладают существенными недостатками узкой областью применения и высокими ресурсными требованиями. Ни одна из них не в состоянии предложить полноценный интерфейс на естественном языке, который позволял бы эффективно управлять и программировать компьютер. Использование таких систем для адаптации лингвистического обеспечения возможно, но сопряжено со значительными сложностями. При моделировании языковой деятельности необходимо учитывать иерархичность процесса вербализации мысли . На первой, базовом уровне находится мышление человека. В нем хранится база знаний и содержится мысль, которую человек стремиться перевести в речь. Данному уровню соответствуют методы внелингвистического моделирования модели представления знаний и методы работы с ними. Модели представления знаний можно разделить на четыре основных класса продукционные 8,, логические 8,, сетевые 8, и фреймовые . К методам работы со знаниями относятся их приобретение , дополнение , обобщение , классификация и неточный вывод . Следующим уровнем этой структуры является язык, который предоставляет средства для формирования предложений. На этом этапе происходит формирование морфологических и синтаксических конструкций предложения. Язык содержит правила, по которым можно образовать все его правильные предложения. Данному уровню анализа соответствуют технологии обработки естественного языка.