Індекс рубрикатора НБУВ: З970.620

Рубрики:

Системи оброблення текстової інформації

Шифр НБУВ: Ж15477 Пошук видання у каталогах НБУВ 

Розглянуто призначення та функціональні можливості текстового процесора Microsoft Word. Описано структуру вікна та режими відображення документа. Наведено відомості про операції з файлами, перевірки орфографії, використання словника синонімів, автовводу, автозаміни, друку, редагування та форматування документів і таблиць, сортування табличних даних і обчислення за формулами, побудови організаційних діаграм, створення змісту, закладок, гіперпосилань, виносок і колонтитулів. Показано особливості роботи зі списками та графічними об'єктами, розглянуто операції введення математичних формул і рівнянь, створення художніх графічних написів (WordArt), підготовки ділової кореспонденції. Описано процес злиття документів Word, охарактеризовано засоби автоматизації їх розробки та забезпечення спільного використання.

Рассмотрены назначение и функциональные возможности текстового процессора Microsoft Word. Описаны структура окна и режимы отображения документа. Приведены сведения об операциях с файлами, проверки орфографии, использования словаря синонимов, автоввода, автозамены, печати, редактирования и форматирования документов и таблиц, сортировки табличных данных и исчислений с помощью формул, построения организационных диаграмм, создания содержания, закладок, гиперссылок, выносок и колонтитулов. Показаны особенности работы со списками и графическими объктами, рассмотрены операции введения математических формул и уравнений, создания художественных графических надписей (WordArt), подготовки деловой корреспонденции. Описан процесс слияния документов Word, охарактеризованы средства автоматизации их разработки и обеспечения доступа к его использованию.

Наведено метод генерації текстів за вихідними даними прикладної програми - неупорядкованою множиною кортежів відношень реляційної бази даних. Описано основну ідею підходу, макромову для опису методів викладення тексту, його операційну семантику, а також метод реалізації підходу.

Розглянуто проблему автоматизованого аналізу несуперечності текстів (АНТ) і відповідності текстів нормативній базі. Запропоновано здійснювати АНТ за допомогою логічного аналізу з залученням знань про предметну область, природну мову та нормативну базу. Запропоновано обмежувально-продукційний метод подання знань та розглянуто його застосування для подання логічного еквівалента тексту та моделювання предметної області. Запропоновано підхід до моделювання предметної області, який дозволяє здійснити аналіз несуперечності тексту. Зокрема цей підхід передбачає включення нормативної бази у формальний опис предметної області, а також створення лінгвістично-орієнтованої бази знань предметної області, що дозволяє виконувати аналіз семантичної правильності побудови тексту й аналіз відповідності тексту нормативній базі.

Досліджено підходи та засоби опрацювання інформаційних ресурсів. Розглянуто можливість використання програмних агентів і мультиагентних компонент для опрацювання текстової інформації та онтологій як засобу зображення і використання знань в агентних середовищах. Наведено архітектуру системи аналітичної обробки текстової інформації е-КОНТЕНТ, модель і результати аналізу текстової інформації під час розв'язання задач моніторингу новин.

Розглянуто комп'ютерну технологію укладання нового тлумачного Словника української мови. Описано структуру лексикографічної бази даних (ЛБД) словника, принципи її побудови та внутрішні зв'язки між окремими елементами. Запропоновано клієнтську програму для редагування ЛБД словника, розглянуто її функціональні можливості.

Описано реалізацію та функціонування бінарного синхронізованого лінійного дерева. Запропоновано структуру лінії часу, що застосовується на рівні дискурсу для обробки смислових зв'язків між елементами різних речень. Розглянуто структуру системи, що обробляє тексти звичайної мови. Зроблено припущення, що семіотичний зворотний зв'язок може призвести до виникнення внутрішнього монологу та самоусвідомлення. Описано реалізацію семіотичного зворотного зв'язку на базі синхронізованого лінійного дерева. Показано можливість застосування моделі внутрішнього монологу для синтезу фраз звичайної мови.

Отмечено, что дистрибутивное моделирование семантики слова сегодня широко используется для решения многих практических задач интеллектуальной обработки текста, таких, как, например, автоматизированное построение онтологии, тезаурусов, терминологических баз данных. Дистрибутивная репрезентация слова представляет собой многомерный вектор, где каждое измерение соответствует дистрибутивному признаку слова, т.е. отдельному слову или словосочетанию, употребляемому в его контексте. Неограниченная размерность признаковых векторов позволяет численно отразить тонкие семантические особенности слов. Однако вместе с тем она является причиной основных недостатков дистрибутивных моделей - высокой чувствительности к шуму в виде неинформативных, многозначных признаков, а также необходимости затрачивать значительные вычислительные ресурсы на обработку таких репрезентаций. Рассмотрены методы селекции признаков, один из способов преодоления негативных эффектов большого признакового пространства.

Приведено решение задачи автоматического распознавания причинно-следственных отношений в текстовых документах. Дано описание соответствующего семантического процессора, а также основных логических формул ПС-отношений и некоторых моделей их преобразований.

Предложен подход к интеллектуальной обработке текстовой информации, включающий визуализацию информативных предложений и реферирование текстов на основе моделирования ситуативно-синтагматической сети. Разработаны алгоритмы и программы формирования тематических корпусов текстов, составления служебных словарей и выделения информативных предложений в полнотекстовых документах и кратких сообщениях.

Ключ. слова: классификация тестов, векторные представления, информативные признаки, семантическая близость
Індекс рубрикатора НБУВ: З970.620

Рубрики:

Системи оброблення текстової інформації

Шифр НБУВ: Ж14024 Пошук видання у каталогах НБУВ 

Досліджено методи розпізнавання символів за допомогою нейронних мереж (НМ). Створено інтелектуальний модуль штучних НМ, що функціонує за принципом перцептрона, та має можливість розпізнавати рукописні символи із зашумленістю до 40 %.

Представлен подход к решению задачи лексико-грамматического анализа текстовых документов, основанный на комбинированном (гибридном) использовании различных методов анализа языковых данных. Описана основная идея подхода, разработаны лингвистические модели и схемы их комбинирования с вероятностно-статистической составляющей.

Приведен алгоритм автоматического лексико-грамматического анализа текста, основанный на вычитании регулярных множеств и использовании так называемой нотации WRE.

Рассмотрен метод контроля, автоматической (полуавтоматической) идентификации и исправления орфографических и смысловых ошибок пользователя, допущенных на этапе первичного формирования или ввода документа. Предложены модели оценки вероятностных характеристик, определяющих эффективность и область целесообразного применения метода.

Розроблено модель онтології у вигляді зваженого орієнтованого графа. Запропоновано новий метод зважування класів онтології бази знань, який полягає у рекурсивному сумуванні ваги їх підкласів та інших семантично пов'язаних об'єктів. Показано, що метод задовольняє вимогам метрики у ході порівняння текстових документів, наданих у вигляді зважених концептуальних графів і доповнених контекстом. Результати числового моделювання процедури ранжування текстових документів, із урахуванням контексту та відповідної семантики вжитих у них термінів і словосполучень, показали, що даний підхід підвищує ефективність інтелектуального аналізу текстів.

Изложена архитектура и некоторые принципы разработки промышленного лингвистического процессора, который лег в основу известного продукта инженерии знаний.

Предложен алгоритм распознавания, который сочетает в себе преимущества алгоритмов теории решений, нейронных сетей и основан на представлении графических образов символов в виде набора характеристик, иллюстрирующих распознавание с помощью данного алгоритма, а также отмечены некоторые аспекты предобработки характеристик. Приведены экспериментальные данные, иллюстрирующие эффективность предложенного алгоритма.

Наведено результати авторської розробки спеціального програмного забезпечення WordSD, призначеного для аналізу інформації (з елементами аналізу змісту) та впливу за її допомогою на підсвідомість людини. Проведено порівняльний аналіз тестової версії програми WordSD і найбільш близького аналога "ВААЛ-2000" (Росія).

Показано, что при использовании средств семантической обработки текста необходимо учитывать весь предшествующий контекст, использования локальных контекстов недостаточно для выявления правильных значений. Рассмотрены методы сопоставления концептов на основе анализа синтаксиса и семантики. Предложен способ автоматизированного поиска новых для пользователя документов в сети Интернет.