Разработка представления семантики ценностно-ориентированных текстов в базе знаний : на материале русских пословиц

• Автор: Малкова, Анастасия Сергеевна
• Шифр специальности: 05.13.17
• Научная степень: Кандидатская
• Год защиты: 2011
• Место защиты: Москва
• Количество страниц: 205 с. : ил.

СОДЕРЖАНИЕ

ПЕРЕЧЕНЬ УСЛОВНЫХ ОБОЗНАЧЕНИЙ. .

ВВЕДЕНИЕ .

1 АНАЛИЗ СОСТОЯНИЯ ВОПРОСА И ФОРМИРОВАНИЕ СТРУКТУРЫ ДИССЕРТАЦИОННОГО ИССЛЕДОВАНИЯ .

1.1 Анализ современного состояния исследований в области представления знаний.

1.1.1 Представление знаний в системах искусственного интеллекта.

1.1.2. Методы представления знаний.

1.2 Онтологическая модель представления знаний предметной области

Г.2.1 Преимущества онтологической модели

1.2.2 Описание онтологической модели.

1.3 Проблема представления знаний в ЦОТ.

1.31 Лингвистическая семантика
1.3.2 Структурная фольклористика.
1.33 Когнитивная лингвистика .
1.4 Итоги анализа, формирование цели и структуры диссертационного
исследования. 1.
2 МЕТОДОЛОГИЧЕСКИЙ ПОДХОД К ФОРМ А ЛЬНОМУ ПРЕДСТАВЛЕНИЮ СЕМАНТИКИ ПОСЛОВИЦЫ НА БАЗЕ ОНТОЛОГИЧЕСКОЙ МОДЕЛИ.
1 Анализ предметной области применительно к решаемой задаче
2.1.1 Обоснование выбора объекта исследования..
2.1. Цели моделирования постановка практических задач
2.1.3 Теоретические основания для выделения объектов.и отношенийв
предметной области.
2.2 Модель семантики пословицы.
2.2.1 Модель реальности. Нестрогое описание модели пословицы
2.2.2 Формальное описание модели пословицы
2.2.3 Графическое представление модели
2.2.4 Правила построения формального описания по тексту на
естественном языке 1
2.3 Словари элементов модели.
2.3.1 Проблема формирования словаря элементов.
2.3.2 Оппозиции.
2.33 Уподобления. 1
2.3.4 Конфигурации
Выводы
3 МЕТОДИКА ИНТЕЛЛЕКТУАЛЬНОГО АНАЛИЗА СЕМАНТИКИ ПОСЛОВИЦ С ПОМОЩЬЮ МОДЕЛИ.
3.1 Разрешение в модели проблем семантической многозначности и
внутренней противоречивости пословичного фонда
3.1.1 Проблема многозначности
3.1.2 Проблемы внутренней противоречивости пословичного фонда
3.2 Формальные определения семантических отношений
3.2.1 Подобие
3.2.2 Противоположность антонимияконтрапозиция.
3.2.3 Частичное сходство. 7.
3.2.4 Сходство по ключевому слову.
3.2.5 Противоречие.
3.3 Поисковые запросы
3.3.1 . Структура запроса.
3.3.2 Обзор результатов
Выводы
4 ИНФОРМАЦИОННАЯ СИСТЕМА МЕТАФОРА.
41 Технические характеристики ИС МЕТАФОРА .
4.1.1 Общее описание системы. 0
4.1.2 Функциональные требования к системе.
4.1.3 Архитектура системы.
4.1.4 Средства реализации.
4.2 База знаний ИС МЕТАФОРА.
4.2.1 Структура базы знаний.
4.2.2 Реализация поискового аппарата.
4.3 Пользовательские интерфейсы. Работа пользователей с системой.
4.3.1 Подсистема авторизации.
4.3.2 Редактор структурных описаний пословиц .
4.3.3 Редактор словарей элементов . 7
. 4.3.4 Демонстрационный модуль 9
4.3.5 Анкетаконструктор.
4.4 Применение системы для анализа семантики пословиц.
4.5 Результаты использования ИС МЕТАФОРА.для верификации модели на экспериментальной выборке текстов
4.51 Выбор фактического материала.
4.5.2 . Разбиение на кластеры
4.5.3 Пример кластера. .
4.5.4 Количественные показатели
Выводы .
ЗАКЛЮЧЕНИЕ. .
ЛИТЕРАТУРА


Ключевой задачей направления представление знаний является разработка формальных моделей знаний, упрощающих процесс их компьютерной обработки. Термин знания используется для обозначения хорошо структурированных, компактных описаний ключевых объектов некоторой предметной области и их взаимосвязей. В противовес термину данные, применяющемуся для обозначения больших массивов необработанных фактов с низкой информационной ценностью, под знаниями понимаются информационно насыщенные описания, в которых отражены наиболее существенные закономерности, структура объектов, законы взаимодействия, характеризующие данную предметную область. В настоящее время переход от анализа данных к анализу знаний становится одной из ведущих тенденций развития информационный технологий []. В обоих направлениях для успешного решения поставленных задач требуются глубокие знания; о структуре предметной области. Это справедливо не только - для систем искусственного интеллекта, но также и для естественного интеллекта: человек причпонимании текста; принятии решений руководствуется. А в? Таким образом, в основе систем, основанных на знаниях, лежит формальная модель предметной области. Естественно, что эта модель представляет собой упрощенную схему предметной области, схватывающую только наиболее существенные- взаимосвязи; (с точки зрения решаемой: задачи). Поэтому на начальном этапе разработки модели большое значение имеют такие этапы работы как: постановка задачи, формулировка конечных целей, моделирования, выбор;фактического материала. Обобщая, эти этапы-можно обозначить, как «определение'угла; зрения; под. Развитая модель предметной области включает не только формальное описание, но и инструменты манипулирования знаниями: методы анализа, вывода новых знаний, обработки запросов, расширения баз знаний за счет ее пополнения новыми знаниями и даже корректировки модели при поступлении новых знаний, конфликтующих с уже имеющимися в системе. Процесс создания модели знаний достаточно трудоемок, он требует большого подготовительного этапа работ по выявлению и формализации системы объектов и отношений, и осуществляется, как: правило, в тесном сотрудничестве инженеров знаний (специалистов в области проектирования знаний) с экспертами в предметной области. Тогда, кроме своих знаний, он должен использовать монографии, справочники по исследуемой проблеме (именно таким образом осуществлялась формализация предметной области в настоящей работе). Методы представления знаний. В зависимости от особенностей прикладных задач, рекомендуется использовать те или иные методы представления знаний. С начала -х годов большее распространение получает такой способ представления знаний как онтология (ontology). По целому ряду критериев он может считаться гибридным, объединяющим черты фреймовой модели и семантических сетей. В следующем пункте раздела подробнее рассмотрим основные определения и принципы функционирования каждого из перечисленных методов с тем, чтобы сделать обоснованный выбор в пользу одного из методов для решения поставленной задачи. Продукционная модель, или модель, основанная на правилах, позволяет представлять знания в виде предложений вида: «Если (условие), то действие». Вывод на такой базе знаний бывает как прямой (от данных к поиску цели), так и обратный (от цели для ее подтверждения - к данным). Данные -это исходные факты, хранящиеся в базе фактов, на основании которых запускается машина вывода, или интерпретатор правил, перебирающий факты из продукционной базы знаний. Семантическая сеть - это ориентированный граф, в вершинах которого находятся понятия, а дугам соответствуют отношения между ними. В качестве понятий обычно выступают абстрактные или конкретные объекты, а отношения - эго связи типа «это» («АКО — a kind оБ>, «is»), «имеет частью» («has part»), «принадлежит», «имеет свойство» и др. N-арныс, в которых есть специальные отношения, связывающие более двух объектов. Проблема поиска решения в базе знаний типа семантической сети сводится к задаче поиска фрагмента сети, соответствующего некоторой подсети, отражающей поставленный запрос к базе. Фреймы. Термин фрейм (от англ.