Разработка и применение метода формализации проектирования рекомендательных систем с естественно-языковым интерфейсом

• Автор: Правиков, Алексей Александрович
• Шифр специальности: 05.13.11
• Научная степень: Кандидатская
• Год защиты: 2011
• Место защиты: Москва
• Количество страниц: 160 с. : ил.

Введение.
Глава I. Актуальность и формальные средства разработки рекомендательных систем с естественноязыковым интерфейсом

1.1. Ранние подходы к разработке рекомендательных систем

1.2. Предпосылки появления рекомендательных систем с естественноязыковым интерфейсом.

1.3. Рекомендательные системы с естественноязыковым интерфейсом.

1.4. Принципы функционирования рекомендательной системы с естественноязыковым интерфейсом ГЛ.
1.5. Основные подходы к формализации семантики естественноязыковых текстов, имеющие ограниченную сферу применения.

1.5.1. Теория концептуальной зависимости в естественных языках

1.5.2. Семантические сети

1.5.3. Расширенные и неоднородные семантические сети.

1.5.4. Теория концептуальных графов

1.5.5. Эпизодическая логика
1.6. Подход теории Кпредставлсний к формализации смысловой структуры естественноязыковых текстов
1.6.1. Краткая характеристика теории Киредставлений.
1.6.2. Основные идеи базовой математической модели теории Кпредставлений
1.7. Постановка задачи
1.8. Выводы по главе
Глава 2. Математические модели для преобразования запроса пользователя рекомендательной системы в семантическое представление
2.1. Неформальное описание структуры и принципов обработки первоначального запроса пользователя на естественном языке
2.2. Метод формализации проектирования рекомендательных систем с естественноязыковым интерфейсом
2.3. Разработка дополнительных предположений о структуре рассматриваемого концептуального базиса
2.4. Разработка математической модели многообразия смысловых структур первоначального запроса пользователя рекомендательной системы.
2.5. Форматизация бизнесправил.
2.5.1. Основные идеи определения класса прагматических сигнатур
2.5.2. Определение класса прагматических сигнатур
2.5.3. Принципы компьютерной реализации бизнесправил
2.6. Вспомогательные определения, используемые для формализации структуры лингвистической базы данных.
2.7. Форматизация структуры семантикосинтаксических компонентов лингвист ической базы данных
2.7.1. Модифицированное определение текстообразующей системы.
2.7.2. Модифицированное определение лексикосемантического словаря
2.7.3. Модифицированное определение словаря предложных семантикосинтаксических фреймов.
2.8. Понятие лингвистического базиса
2.9. Выводы по главе
Глава 3. Разработка алгоритма преобразования запроса пользователя в семант ическое представление и затем в БСД. выражение.
3.1. Разработка плана алгоритма построения семантического представления запроса пользователя
3.1.1. Назначение алгоритма
3.1.2. Внешняя спецификация алгоритма ПостроениеСемПзапроса
3.1.3. План алгоритма ПосгроениеСемПзапроса
3.2. Разработка алгоритма первичной обработки запроса пользователя
3.2.1. Внешняя спецификация алгоритма Первичобработка.
3.2.2. Внешние спецификации вспомогательных алгоритмов.
3.2.3. Алгоритм первичной обработки запроса
3.2.4. Рекомендации по реализации процедуры выделения элементарных значащих единиц входного запроса
3.2.5. Принципы обработки многозначных слов
3.2.6. Рекомендации по обработке фрагментов текста с частицей не, числительными и обозначениями числовых значений параметров.
3.3. Алгоритмизация поиска смысловых связей между элементарными значащими единицами запроса
3.3.1. Обработка конструкций Существительное 1 предлог
Существительное
3.3.2. Обработка конструкции вида Существительное прилагательное
3.3.3. Обработка сравнительных конструкций.
3.4. Обработка конструкций с именами собственными и связующими словами
3.5. Разработка головного алгоритма
3.6. Принципы использования бизнесправил для построения запроса
3.7. Программная реализация алгоритма построения семантического представления запроса.
3.7.1. Структуры данных, соответствующих проблемноориентированному лингвистическому базису.
3.7.2. Сведения о программной реализации алгоритма построения семантического представления запроса
3.8. Разработка алгоритма преобразования Кпрсдставлсния в запрос
3.8.1. Назначение и принципы работы алгоритма.
3.8.2. Разработка алгоритма создания промежуточного массива.
3.8.3. Разработка алгоритма построения набора ограничивающих параметров отбора
3.8.4. Разработка итогового алгоритма.
Выводы по Главе
4. Разработка и программная реализация алгоритмов для организации диалога с пользователем рекомендательной системы
4.1. Принципы и схема обработки 8ЗЬ запроса, соответствующего входному запросу пользователя рекомендательной системы.
4.2. Разработка КСчрамматики для порождения выражений, отражающих ситуацию диалога с пользователем
4.3. Применение бизнес елратегий при организации диалога с пользователем рекомендательной системы
4.3.1. Синтез антирекомендации.
4.3.2. Рекомендации, основанные на неявном параметре отбора
4.3.3. Рекомендация товара по ключевым словам
4.4. Разработка формулы для установления очердности выборки товаров из
построенного списка.
4.5. Результаты испытаний разработанной компьютерной программы
4.6. Анализ возможностей интеграции разработанной системы в существующие решения.
4.7. Эффективность внедрения ЕЯпомощника на сайт.
4.8. Разработка логической структуры данных доя обеспечения возможности интеграции с существующими базами данных
4.9. Выводы по Главе
Заключение по диссертации
Список литературы


СКязыка стандартного концептуального языка. Оба алгоритма программно реализованы на языке Веб программирования РНР. В четвртой главе рассмотрен комплекс вопросов, касающихся обработки запросов пользователя, в том числе вопрос организации диалога с пользователем. Для организации диалога разработана КСграмматика в форме БэкусаНаура для порождения выражений, отражающих ситуацию диалога с пользователем. Предложена формула для определения очердности вывода пользователю отдельных товаров из общего списка релевантных товаров. Выполнено компьютерное моделирование для исследования поведения значений формулы в широком диапазоне изменения значений входных параметров. Сформулированы рекомендации для интеграции разработанного программного комплекса в существующие решения. Глава 1. В данной главе диссертации анализируются следующие вопросы приводится классификация ранних подходов к разработке рекомендательных систем, анализируются предпосылки разработки рекомендательных систем с естественноязыковым интерфейсом ЕЯинтерфейсом, рассматриваются основные известные подходы к формальному описанию смысловой структуры естественноязыковых текстов, обосновывается вывод о целесообразности использования теории Кпредставлений концептуальных представлений в качестве формального инструмента проектирования рекомендательных систем с семантическиориснтировапным русскоязычным интерфейсом. В повседневной жизни мы часто полагаемся на рекомендации других людей. Они могут выражаться в устной форме, в форме рецензий на фильмы и книги в газетах, гидахпутеводителях и т. Рекомендательные системы РекС воссоздаю этот естественный социальный процесс. Этот термин характеризует прикладные компьютерные системы, обычно размещаемые на Вебпортале компании или государственной организации с целью оказания помощи посетителю портала в выборе товара или услуги. Примерами рекомендательных систем могут служить система рекомендаций книг, и других товаров на . Область разработки РекС сложилась в качестве самостоятельного объекта научных исследований в начале х, когда ученые занялись проблемами выработки рекомендаций, основывающихся на анализе оценок товаров. Одно из первых таких исследований система сортировки сообщений электронной почты , разработанная в компании XX 4. Система способна работать с любым потоком электронных документов и может служить одновременно почтовым фильтром и хранилищем документов. В самом общем виде проблема выработки рекомендаций сводится к присвоению гой или иной оценки товару, который еще не известен потенциальному покупателю. Очевидно, такая оценка дается, исходя из анализа предшествующих предпочтений данного покупателя или любой другой информации о нем. После того, как система предсказывает оценки для еще неизвестных потребителю товаров, те из них, которые получают наивысшие оценки, рекомендуются потенциальному потребителю. Экстраполяция с известных оценок на неизвестные обычно производится или выбором эвристических правил, определяющих функцию полезности, и эмпирическим обоснованием се поведения, или нахождением функции полезности, оптимизирующей заданные параметры поведения. Как только произошел анализ неизвестных оценок, потребитель получает в качестве рекомендации продукты с самыми высокими оценками из проанализированных 4. Системы, строящие контентные рекомендации потребитель получит рекомендации товаров, сходных е теми, которые он выбрал ранее. Например, в системе, рекомендующей фильмы, для того, чтобы рекомендовать фильмы потребителю, контентная рекомендательная система пытается найти сходство между фильмами, высоко оцененными потребителем ранее общие актеры, режиссеры, жанры и т. И только фильмы, обладающие высокой степенью общности с предпочтениями потребителя, будут рекомендованы. Системы, генерирующие коллаборативные рекомендации или системы коллаборатшшой фильтрации потребителю будут предложены товары, в прошлом выбранные людьми, обладающими схожими с ним вкусами и предпочтениями. Системы, комбинирующие два указанных метода при синтезе рекомендаций.