Россия
Основной задачей при извлечении информации из текста является промежуточное представление данных. Для этой цели используется грамматический разбор и осуществляется синтаксический анализ текста, чтоб определить соответствие грамматической структуры правилам формальной грамматики для данного языка. Процесс грамматического разбора приводит к генерации дерева грамматического разбора, а также графов зависимостей. Графы зависимостей представляют собой структуры данных, которые являются производными от обрабатываемого текста и определяют неявную структуру реализации в заданном тексте.
Грамматический разбор, извлечение смысловой информации, онтологии, неструктурированный текст, граф зависимостей.
Дерево грамматического разбора
Дерево грамматического разбора является упорядоченным деревом с корнем, который отображает синтактическую структуру предложения. В этом разделе описывается метод Обозначения Пенна корпусов с синтаксической разметкой (Penn Treebank Notation), который используется многими приложениями грамматического разбора, для тегирования (разметки) предложения до того, как будет сгенерировано дерево грамматического разбора. Эти теги в основном используются в системах извлечения смысловой информации, для формулирования правил, согласно которым должно производится извлечение.
Ниже приведена упрощенная форма определений из Обозначений Пенна Корпусов с Синтаксической Разметкой (для полного списка обозначений см. [1]):
- S: Простые декларативные предложения (Simple declarative clause)
- NP: Именная группа (Noun Phrase). Категория фраз, которая включает в себе все составляющие, зависящие от главного существительного.
- VP: Глагольная группа (Verb Phrase). Категория выражений, возглавляемая глаголом.
1. Software – The Stanford Natural Language Processing Group. –Режим доступа: http://nlp.stanford.edu/software/. – Загл. с экрана.
2. Ciravegna, F. (LP), an adaptive algorithm for information extraction from Web-related texts. In Proceedings of the IJCAI-2001 Workshop on Adaptive Text Extraction and Mining held in conjunction with 17th International Joint Conference on Artificial Intelligence (IJCAI)/, F. Ciravegna, J. Tang, J. Li, H. Lu, B. Liang, X. Huang, K. Wang.– Seattle, USA. – 2001.
3. iASA: Learning to Annotate the Semantic Web. JOURNAL ON DATA SEMANTICS IV Lecture // Notes in Computer Science. – 2005. – Volume 3730/2005. – P. 110-145
4. Soderland, S., Learning information extraction rules for semi-structured and free text / S. Soderland // Machine Learning. –1999. – №34. – P. 233-272/
5. Califf, M. E. Bottom-up relational learning of pattern matching rules for information extraction / M. E. Califf, , R. J. Mooney // Journal of Machine Learning Research. –2003. – Vol. 4. – Pp.177-210.
6. Соколов, Е. Г. Применение LSA/LSI методов для извлечения данных из неструктурированного текста / Е. Г. Соколов, М. М. Шарнин // Труды Международной научной конференции по физико-технической информатике CPT2018. – Царьград, 2018. – С. 59-63.
7. Методы автоматической классификации текстов по функциональным стилям / Л.М. Ермакова, М.А. Абашев, Р.В. Никитин, Р.И. Ушаков // Вестник Пермского университета. Серия: Математика. Механика. Информатика. – 2014. – № 4 (27). – С. 78-83.
8. Богатырев, М. Ю. Извлечение фактов из текстов естественного языка с применением концептуальных графовых моделей / М.Ю. Богатырев // Известия Тульского государственного университета. Технические науки. – 2016. – № 7-1. – С. 198-208.
9. Stulov, N. Patent landscapes & new technology trends in iot: extracting and visualizing data patterns / N. Stulov // Открытые семантические технологии проектирования интеллектуальных систем. – 2018. – Т. 2, № 8. – С. 293-297.
10. Метод автоматизированного извлечения адресов из неструктурированных текстов / А. В. Комарова, А. А. Менщиков, А. В. Полев, Ю. А. Гатчин // International Journal of Open Information Technologies. – 2017. – Т. 5, № 11. – С. 21-27.
