viagra super force

+7(495) 123-XXXX  г. Москва

Выпуски журналов

  • Серия
  • Серия
  • Серия
  • Серия
  • Журнал
  • Журнал
  • Журнал
  • Журнал

В.С. Симанков,  (Д.т.н., профессор, ФГБОУ ВО «Кубанский государственный технологический университет»)

Д.М. Толкачев,  (К.т.н., ст. преподаватель, ФГБОУ ВО «Кубанский государственный технологический университет»)

Серия «Естественные и Технические науки» # ИЮНЬ  2017

Ответ; вопрос; база знаний; автореферирование; тернарные выражения
Проанализированы и классифицированы методы, применяемые в вопросно-ответном поиске. Предложена методика комплексного использования методов для достижения наибольшей гибкости и эффективности при поиске ответов на вопрос. Представлены результаты сравнительного анализа поиска ответов различными системами.

Ключевые слова: Ответ; вопрос; база знаний; автореферирование; тернарные выражения.

 

Вопросно-ответный поиск (ВОП) представляет собой особый тип информационного поиска. Учитывая набор документов, система вопросно-ответного поиска (СВОП) пытается найти правильный ответ на вопрос, заданный на естественном языке. ВОП включает в себя информационные технологии, искусственный интеллект, обработку естественного языка, управление базами данных и знаний, когнитивные технологии и технологии автореферирования.

Все СВОП можно разделить на две большие категории:

1. системы, обрабатывающие тексты на естественном языке;
2. системы, работающие с базой знаний (БЗ).

Первая категория СВОП использует в качестве источника ответов произвольные тексты. Они могут быть как загружены в систему предварительно, так и выбираться в процессе её работы, например, из сети Интернет. Для СВОП этой категории важным аспектом являются методы и алгоритмы анализа текстов на естественном языке.

Вторая категория СВОП использует в качестве источника ответов базу знаний. Такая БЗ может как создаваться вручную экспертами, так и автоматизированно, с привлечением специалистов лишь для проверки занесённых в неё фактов. Для СВОП этой категории важным аспектом являются методы наполнения БЗ и работы с ней.

Существуют и другие классификации СВОП, например, приведённая в [1]:

  • веб-ориентированные СВОП;
  • СВОП, основанные на поиске и извлечении информации;
  • узкоспециализированные СВОП;
  • СВОП на основе правил.

Существуют различные методы, используемые в автоматизированном вопросно-ответном поиске. Их можно разделить на основные и вспомогательные. Основные методы используются для непосредственного нахождения ответа на вопрос, тогда как вспомогательные применяются для облегчения этой задачи, повышения эффективности или быстродействия, но не способны самостоятельно найти ответ.

В [2] рассматривались такие методы и алгоритмы вопросно-ответного поиска:

  • Ключевые слова;
  • Семантический анализатор В. Тузова;
  • Тернарные выражения;
  • Шаблоны;
  • Активные семантические сети Поспелова;
  • Алгоритм N-грамм;
  • Алгоритм синтаксического внутрисегментного анализа текста.

Методы, рассмотренные в [2], можно расширить нейронными сетями [3], [4], [5], [6]. Также следует заметить, что Семантический анализатор В. Тузова является одной из вариаций семантического анализа, Активные семантические сети Поспелова – одной из вариаций семантических сетей, а Алгоритм синтаксического внутрисегментного анализа текста – одной из вариаций синтаксического анализа.

На основе [2] и с учётом актуальных работ в данной области систематизируем перечень методов и алгоритмов вопросно-ответного поиска (рис. 1).

Читать полный текст статьи …


СПИСОК ЛИТЕРАТУРЫ:
1. Poonam Gupta, Vishal Gupta. A Survey of Text Question Answering Techniques. International Journal of Computer Applications (0975 – 8887), Volume 53– No.4, September 2012. – 8 p.
2. Владимир Симанков, Демид Толкачев. Поиск информации в Интернете. Подходы, методы и алгоритмы. LAP LAMBERT Academic Publishing, 2016. – 296 с. ISBN-13: 978-3-659-90123-2.
3. Mohit Iyyer, Jordan Boyd-Graber, Leonardo Claudino, Richard Socher, and Hal Daume III. A Neural Network for Factoid Question Answering over Paragraphs. Empirical Methods in Natural Language Processing, 2014, 12 pages.
4. Wen-tau Yih, Ming-Wei Chang, Xiaodong He, Jianfeng Gao. Semantic Parsing via Staged Query Graph Generation: Question Answering with Knowledge Base. Proceedings of the Joint Conference of the 53rd Annual Meeting of the ACL and the 7th International Joint Conference on Natural Language Processing of the AFNLP, July 28, 2015.
5. Antoine Bordes, Nicolas Usunier, Sumit Chopra, Jason Weston. Large-scale Simple Question Answering with Memory Networks. arXiv:1506.02075v1 [cs.LG] 5 Jun 2015, 10 p.
6. Caiming Xiong, Victor Zhong, Richard Socher. Dynamic Coattention Networks For Question Answering. arXiv:1611.01604v2 [cs.CL] 17 Nov 2016. – 13 p.
7. Karl-Heinz Weis. A Case Based Reasoning Approach for Answer Reranking in Question Answering. In Proceedings Informatik 2013, Koblenz, Germany, 2013. – 12 p. arXiv:1503.02917v1.
8. Wen-tau Yih, Ming-Wei Chang, Christopher Meek, Andrzej Pastusiak. Question Answering Using Enhanced Lexical Semantic Model. Proceedings of the 51st Annual Meeting of the Association for Computational Linguistics, pages 1744–1753, Sofia, Bulgaria, August 4-9 2013.
9. Ким К.Х., А.П. Савинов. Синтаксический анализатор для вопросно-ответной системы. Известия Томского политехнического университета, – Т. 315. – № 5, – 2009. – с. 133-138.
10. Мозговой Максим Владимирович. Машинный семантический анализ русского языка и его применения. Дис-сертация на соискание ученой степени кандидата физико-математических наук. Санкт-Петербург, 2006. – 116 с.
11. Хорошевский В.Ф. Пространства знаний в сети Интернет и Semantic Web (Часть 1) / В.Ф. Хорошевский // Искусственный интеллект и принятие решений 1/2008. – с. 80-97.
12. Задача классификации [Электронный ресурс]. Режим доступа: http://www.intuit.ru/studies/courses/6/6/lecture/166?page=1#sect2 (12.05.2017).
13. Задача кластеризации [Электронный ресурс]. Режим доступа: http://www.intuit.ru/studies/courses/6/6/lecture/166?page=4#sect7 (12.05.2017).
14. Захаров В.Н. Автоматическая оценка подобия тематического содержания текстов на основе сравнения их формализованных смысловых описаний / В.Н. Захаров, А.А. Хорошилов // Труды XIV-ой Всероссийской научной конференции «Электронные библиотеки: перспективные методы и технологии, электронные коллекции». – RCDL’2012, Переславль-Залесский, Россия, 15-18 октября 2012 г.
15. Марманис Х., Бабенко Д. Алгоритмы интеллектуального Интернета. Передовые методики сбора, анали-за и обработки данных. – Пер. с англ. – СПб.: Символ-Плюс, 2011. – 480 с., ил. ISBN 978-5-93286-186-8.
16. Bharti S. K., Babu K. S., Jena S. K. Parsing-based Sarcasm Sentiment Recognition in Twitter Data //Proceedings of the 2015 IEEE/ACM International Conference on Advances in Social Networks Analysis and Mining 2015. – ACM, 2015. – С. 1373-1380.
17. Симанков В.С. Автореферирование с определением смысловой связности и использованием мер включе-ния для поиска ответов на вопросы в сети Интернет / В.С. Симанков, Д.М. Толкачев // Наука и бизнес: пути разви-тия, №12 (66), М., 2016. – с. 30-34.
18. Симанков В.С. Методические положения автоматического поиска ответов на вопросы / В.С. Симанков, Д.М. Толкачев // Перспективы науки, №9 (60), Тамбов, 2014. – с. 80-85.
19. Симанков В.С. Разработка информационно-аналитической системы получения релевантных данных и зна-ний в сети Интернет / В.С. Симанков, Д.М. Толкачев // Программные системы и вычислительные методы. – 2014. – № 3. – С. 298 - 311. DOI: 10.7256/2305-6061.2014.3.13396.
20. Интеллектуальная информационно-аналитическая система поиска ответов в сети Интернет IntellST / В.С. Симанков, Д.М. Толкачев; – № 2015619195; заявка № 2015615783 от 30.06.2015; зарегистрировано в реестре про-грамм для ЭВМ 26.08.2015.
21. Семантическая поисковая система AskNet [Электронный ресурс]. Режим доступа: http://www.asknet.ru/ (12.05.2017).
22. START, Natural Language Question Answering System [Электронный ресурс]. Режим доступа: http://start.csail.mit.edu/index.php (12.05.2017).



© 
В.С. Симанков, Д.М. Толкачев, Журнал "Современная наука: актуальные проблемы теории и практики".
 

 

 

 
SCROLL TO TOP

 Rambler's Top100 @Mail.ru