Моделювання знань у системах автоматичного реферування

 

Процес узагальнення смислу при реферуванні неможливо прямо спостерігати через складність та імпліцитність, тому метод моделювання, суть якого полягає в тому, що прямому спостереженню і дослідженню піддається не сам об’єкт, а його аналог чи, як звичайно говорять, модель, є єдиним способом вивчити даний процес. Метод моделювання використовується під час опису лінгвістичних явищ у межах досліджень з прикладної лінгвістики, оскільки «…спілкування людини з ЕОМ може здійснюватися лише за умови,

що в пам’ять комп’ютера буде введена певна модель, яка становить скорочений опис природної мови» [96].

 

Моделі використовуються для вивчення й опису внутрішньої будови оригіналу (структурні моделі), його поведінки (функціональні моделі) і будови

й поведінки оригіналу одночасно (структурно-функціональні моделі).

 

Аналогами лінгвістичного оригіналу є: реально існуючі об’єкти; штучно створені матеріальні об’єкти; ідеальні математичні чи логіко-математичні конструкції.

 

До гносеологічних аспектів моделювання належать наступні положення:

 

модель повинна виступати як особливий засіб відображення дійсності, здійснюваного на основі аналогії;

 

модель не повинна бути складніша за сам оригінал;

 

побудова моделі повинна бути вільною від протиріч (логічно коректною), вичерпною і максимально простою;

 

модель повинна мати загальний характер, що дозволяє застосовувати

її для опису різних натуральних об’єктів;

 

модель повинна володіти пояснювальною силою (експланаторністю), суть якої полягає в здатності моделі розкривати і пояснювати невідомі дотепер властивості натурального об’єкта;

 

модель повинна містити в собі евристичні можливості, тобто давати такі знання, які самі стають джерелами нових ідей і теорій.

 

Модель повинна передавати суть натурального об’єкта. Для цього необхідне виконання наступних вимог [97]:

 

модель повинна відбивати і відтворювати ті реальні й істотні риси натурального об’єкта, які є найбільш важливими для даного експерименту. При цьому побічні, не релевантні з погляду досвіду властивості можуть не враховуватися моделлю.

 

структура моделі повинна бути добре відома досліднику, а про оригінал повинен бути мінімум таких даних, які дозволяють припускати, що елементи

і їхні відносини в оригіналі, з одного боку, та елементи і їхні зв’язки в моделі,

з іншого боку, перебувають у відносинах повної (ізоморфної) або часткової (гомоморфної) подібності. На основі цих даних будується процедура перенесення на оригінал тієї інформації, що була отримана в результаті спостережень над структурою і роботою моделі.

 

Сучасний етап у розвитку систем обробки інформації взагалі характеризується як етап формалізації і застосування знань. На сьогодні практично сформувалася й активно розвивається нова науково-технічна дисципліна – інженерія знань, яка об’єднала зусилля фахівців у галузі прикладної інформатики, математики, лінгвістики, психосемантики. Одним із основних завдань інженерії знань, як і раніше, є пошук мови логічної систематизації знань – важливої

ланки між мовами опису знань, використовуваних у сучасних системах

штучного інтелекту, і знаннями фахівця, що вербалізуються на професійному діалекті ПМ [98].

 

Як уже було сказано, задати єдиний алгоритм моделювання процесу розуміння текстової інформації неможливо. Кожен із розроблених алгоритмів висвітлює лише якісь визначені аспекти знань і в прикладному плані орієнтований на визначений клас завдань [99].

 

Аналіз загального стану робіт зі ШІ дозволяє відзначити превалювання інтересу до засобів представлення знань над змістом, який підлягає

формалізації [100].

 

Формальне представлення знань для систем ШІ було започатковане ще наприкінці 60-х років минулого століття. Був представлений один із найбільш ефективних методів опису знань – семантична сітка. Семантичні сітки успішно використовуються для моделювання лінгвістичних зв’язків при розробці різних інтелектуальних інформаційних систем.

 

Семантична сітка в найзагальнішому розумінні – це граф, вершини якого відповідають семантичним елементам мови чи тексту, а ребра – семантичним зв’язкам між ними [101]. Семантичну сітку, що фіксує парадигматичні відношення, називають мовною, а синтагматичні відносини – мовленнєвими. Мовну семантичну сітку, вершини якої співставлені зі значенням слів, називають лексичною сіткою [23, c. 17].

 

Сіткове моделювання тексту, як і сіткове моделювання лексики, включає три основні операції: виявлення семантичних зв’язків між елементами тексту, їх подання у зручній для подальших досліджень формі і встановлення (з використанням цього подання) закономірностей, що характеризують досліджуваний об’єкт [23, c. 101]. Основними елементами тексту є його три основні одиниці: слово, речення й абзац. Два слова в тексті вважаються семантично зв’язаними, якщо в описуваній ситуації їх денотати з’єднані деяким відношенням. Синтаксичний аналіз тексту дозволяє встановити лише наявність синтагматичного зв’язку між словами. Для визначення його змісту потрібен спеціальний семантичний аналіз.

 

Речення вважаються семантично зв’язаними, якщо їхні денотати, тобто ситуації, описані цими реченнями, зв’язані на предметному рівні, що дозволяє розглядати їх як компоненти єдиної більш великої ситуації. Семантичний, чи міжфразовий, зв’язок між реченнями, що описують ситуації зі спільним семантичним елементом, іменується номінативним, а зв’язок між реченнями,

що описують ситуації, зв’язані будь-яким відношенням, – релятивним. Семантичну сітку, вершини якої відповідають лексичним одиницям, а ребра – релятивним лексичним і граматичним одиницям, називають послівною. Семантична сітка, вершини якої відповідають реченням, а ребра – семантичним відношенням між ними, називається пофразовою.

 

Семантичні сітки використовувалися для опису МФЗ при розробці

систем АР [84].

 

Семантичні сітки не є єдиним способом розв’язання проблеми кодування знань з метою їх використання в комп’ютерних програмах.

 

Одним із можливих шляхів організації машинної моделі реального світу

є також підхід, запропонований М. Мінським [102]. Відповідно до цього підходу, знання про світ можуть бути представлені у виді значної сукупності певним чином структурованих даних, що являють собою стереотипні ситуації. Ці структури даних одержали назву «фрейми».

 

Фрейм можна уявити собі у вигляді сітки, що складається з вузлів

і зв’язків між ними. «Верхні рівні» фрейму чітко визначені, оскільки утворені такими поняттями, котрі завжди справедливі щодо передбачуваної ситуації. На більш низьких рівнях є багато особливих терміналів чи «осередків» (слотів),

які повинні бути заповнені характерними прикладами або даними.

 

Кожним терміналом можуть встановлюватися умови, і повинні задовольняти його завдання. Прості умови визначаються маркерами, наприклад, у вигляді вимоги, щоб завданням терміналу був який-небудь суб’єкт або предмет придатних розмірів, або вказівка на субфрейм певного типу. Субфрейми, фрейми і суперфрейми – ієрархічно упорядковані елементи, що утворюють системи фреймів. Більш складними умовами задаються відношення між поняттями, внесеними в різні термінальні вершини.

 

Групи семантично близьких один до одного фреймів об’єднані в систему фреймів, які пов’язані, у свою чергу, мережею пошуку інформації [103].

 

Фрейми поділяють на: а) фрейми - візуальні образи; б) фрейми - сценарії (скрипти) [104].

 

Теорія представлення знань за допомогою фреймів претендує на пояснення ряду характерних рис людського мислення. Вона поєднує багато ідей

з психології, лінгвістики, а також ШІ.

 

Фреймовий підхід активно використовується в діалогових системах: «…по суті, пункт діалогу – це фрейм діалогової ситуації. Сценарій діалогу при цьому формується як система фреймів діалогових ситуацій» [105, c. 399]. Даний підхід також використовується при описі семантичної і синтаксичної структур текстів і при створенні онтологічних систем (підрозділ 2.3).

 

З метою моделювання лінгвістичних процесів також використовується теорія Мереж Петрі. Мережа Петрі – це математична модель дискретних систем з паралельно функціонуючими й асинхронно взаємодіючими компонентами [106]. Мережа Петрі є математичним інструментом для моделювання і проектування нових систем, а також аналізу поведінки вже існуючих і функціонуючих [107]. Сенс використання мереж Петрі полягає в побудові математичної моделі досліджуваного процесу, системи у вигляді мережі Петрі, головне при цьому – аналіз властивостей системи, що моделюється. На основі інформації, отриманої

в результаті аналізу, здійснюється оцінювання системи, що моделюється. Таке моделювання дозволяє знайти рекомендації з удосконалення, зміни й оптимізації системи. Мережа Петрі є математичним аналогом семантичної сітки.

 

Інформаційні процеси, пов’язані з переробкою лінгвістичної інформації, здійснюються, в основному, в нервовій системі, що являє собою сукупність великої кількості двох видів клітин – нейронів і гліальних клітин. Інформаційні процеси визначаються властивостями нейронів [96]. Досить новим методом моделювання інформаційних процесів, що активно в даний час розвивається,

є моделювання нейронних мереж [108]. Оскільки будова і закони функціонування нейрона дуже складні, при моделюванні нейронів користуються їх спрощеними описами – нейроподібними сітками (НпС) [109]. Розрізняють два типи НпС. У першому з них вузлами є формальні елементи, що описують окремі нейрони, у другому – формальні елементи, що відповідають не окремим нейронам, а особливим їх сукупностям – нейронним ансамблям. НпС, вузли якої відповідають нейронним ансамблям, є семантичною сіткою. Однією з найважливіших властивостей НпС є здатність до самоорганізації, самоадаптації з метою поліпшення якості функціонування. Це досягається шляхом навчання сітки, алгоритм якої задається набором навчальних правил. Моделювання лінгвістичних процесів для систем АОТ за допомогою НпС наразі не практикується, однак, на думку авторів, може стати цілком можливим уже в найближчому майбутньому.