ОБ ИСПОЛЬЗОВАНИИ СЕМАНТИЧЕСКОЙ ИНФОРМАЦИИ ДЛЯ СНЯТИЯ ОМОНИМИИ ИМЕНИТЕЛЬНОГО И ВИНИТЕЛЬНОГО ПАДЕЖА (КАК ЭЛЕМЕНТА СОЗДАНИЯ ОНТОЛОГИИ)

О журнале

Новости

Цели и сфера

Основатель и издатель

Редакционная коллегия

Условия лицензирования

Конфиденциальность

Отношение к плагиату

Публикационная этика

Политика архивирования

Подписка

Для авторов

Инструкции для авторов

Процесс рецензирования

Авторские права

Договор о передаче прав

Редакционные сборы

Архив

Все выпуски

Поиск

Контакты

Контакты

Шелепов Владислав Юрьевич
доктор физико-математических наук, профессор
главный научный сотрудник отдела распознавания речевых образов
Федеральное государственное бюджетное научное учреждение «Институт проблем искусственного интеллекта», г. Донецк
283048, г. Донецк, ул. Артёма, 118-б.
Область научных интересов: искусственный интеллект, обработка естественного языка, компьютерная лингвистика

Ниценко Артём Владимирович
кандидат технических наук
старший научный сотрудник отдела распознавания речевых образов
Федеральное государственное бюджетное научное учреждение «Институт проблем искусственного интеллекта», г. Донецк
283048, г. Донецк, ул. Артёма, 118-б.
Область научных интересов: искусственный интеллект, обработка естественного языка, компьютерная лингвистика

Скачать pdf

УДК 004.89:004.93
DOI 10.24412/2413-7383-2024-4-16-24
Язык: Русский
Аннотация: В статье предложен способ автоматического снятия омонимии именительного и винительного падежа существительных с использованием информации о семантических связях слов, извлеченной из большого корпуса текстов. Данные о семантических связях представлены в виде онтологии, состоящей из множества семантических триплетов или троек «субъект-предикат-объект». Результаты реализованы в экспериментальном программном обеспечении для снятия омонимии.
Ключевые слова: обработка естественного языка, снятие омонимии, онтология, граф знаний, семантическая тройка.

Список литературы:
1. Зеленков, Ю.Г., Сегалович, И.В., & Титов, В.А. (2005). Вероятностная модель снятия морфологической омонимии на основе нормализующих подстановок и позиций соседних слов. In *Компьютерная лингвистика и интеллектуальные технологии. Труды международного семинара Диалог’2005* (pp. 188-197).
2. Сокирко, А.В., & Толдова, С.Ю. (2005). Сравнение эффективности двух методик снятия лексической и морфологической неоднозначности для русского языка (скрытая модель Маркова и синтаксический анализатор именных групп). In *Интернет-математика 2005: автоматическая обработка веб-данных* (pp. 80-94). М.
3. Лакомкин, Е.Д., Пузыревский, И.В., & Рыжова, Д.А. (2013). *Анализ статистических алгоритмов снятия морфологической омонимии в русском языке*. Retrieved from http://aistconf.org/stuff/aist2013/submissions/aist2013_submission_33.pdf (дата обращения 20.12.2021).
4. Schmid, H. (2013). Probabilistic part-ofispeech tagging using decision trees. In *New methods in language processing* (pp. 154-164).
5. Sharoff, S., Kopotev, M., Erjavec, T., Feldman, A., & Divjak, D. (2008). Designing and evaluating a Russian tagset. In *Proceedings of the Sixth International Conference on Language Resources and Evaluation (LREC 2008)* (Vol. 26, pp. 279-285).
6. Muzychka, S.A., Romanenko, A.A., & Piontkovskaja, I.I. (2014). Conditional Random Field for morphological disambiguation in Russian. In *Компьютерная лингвистика и интеллектуальные технологии* (pp. 455-465).
7. Антонова, А., & Соловьев, А. (2013). Использование метода условных случайных полей для обработки текстов на русском языке. In *Компьютерная лингвистика и интеллектуальные технологии* (pp. 27–44).
8. Sorokin, A., et al. (2017). MorphoRuEval-2017: an Evaluation Track for the Automatic Morphological Analysis Methods for Russian. In *Proceedings of the International Conference Dialogue 2017* (Vol. 1, pp. 297-313).
9. Lyashevskaya, O.N., et al. (2020). GRAMEVAL 2020 shared task: Russian full morphology and universal dependencies parsing. In *Proceedings of the International Conference Dialogue 2020* (Vol. 1, pp. 553-569).
10. Chiche, A., & Yitagesu, B. (2022). Part of speech tagging: a systematic review of deep learning and machine learning aPproaches. *Journal of Big Data*, *9*(1), 1-25.
11. Смирнов, И.В. (2023). *Интеллектуальный анализ текстов на основе методов разноуровневой обработки естественного языка*. М.: ФИЦ ИУ РАН.
12. Anastasyev, D. G., Andrianov, A. I., & Indenbom, E. M. (2017). Part-of-speech tagging with rich language description. In *Компьютерная лингвистика и интеллектуальные технологии : По материалам ежегодной Международной конференции "Диалог", Москва, 31 мая – 03 2017 года* (Vol. Выпуск 16 (23), Том 1, pp. 2-13). Москва: Российский государственный гуманитарный университет.
13. Национальный корпус русского языка. (n.d.). Retrieved from https://ruscorpora.ru/ (дата обращения: 20.11.2024).
14. Копотев, М.В., & Янда, Л.А. (2006). Национальный корпус русского языка. *Вопросы языкознания*, (5), 149–155.
15. Жевнерович, Е.Э. (2018). Корпус текстов в научном исследовании. In *Материалы II Международной научно-практической конференции «Лингвистика, лингводидактика, лингвокультурология: актуальные вопросы и перспективы развития»* (pp.25-32). Минск.
16. Ниценко, А. В., & Шелепов, В. Ю. (2023). Использование данных Национального корпуса русского языка для снятия омонимии винительного и родительного падежа внутри парадигмы существительных. In *Искусственный интеллект: теоретические аспекты, практическое применение: материалы Донецкого международного научного круглого стола* (pp. 137–141). Донецк: ФГБНУ «ИПИИ».
17. Ляшевская, О. Н., & Шаров, С. А. (2009). *Частотный словарь современного русского языка (на материалах Национального корпуса русского языка)*. М.: Азбуковник.

Выпуск: 4(35)'2024
Раздел: ИСКУССТВЕННЫЙ ИНТЕЛЛЕКТ И МАШИННОЕ ОБУЧЕНИЕ
Как цитировать: Ниценко А. В., Шелепов В. Ю. ОБ ИСПОЛЬЗОВАНИИ СЕМАНТИЧЕСКОЙ ИНФОРМАЦИИ ДЛЯ СНЯТИЯ ОМОНИМИИ ИМЕНИТЕЛЬНОГО И ВИНИТЕЛЬНОГО ПАДЕЖА (КАК ЭЛЕМЕНТА СОЗДАНИЯ ОНТОЛОГИИ) [Текст] / А. В. Ниценко В. Ю. Шелепов // Проблемы искусственного интеллекта. - 2024. № 4 (34). - С. 16-24. - http://paijournal.guiaidn.ru/ru/2024/4(35)-2.html

Назад к выпуску 4(35)'2024