Штучний інтелект

Анотація: У статті проаналізовано основні процедури пошуку елементів міжфразового зв'язку та розв'язання конфліктів посилань. На основі цього запропоновано узагальнений алгоритм, який комбінує переваги існуючих процедур пошуку елементів міжфразового зв'язку. Описано переваги обраних процедур та їх послідовності, наведено формальний опис вхідних даних та результатів алгоритму. Для оптимізації процедури сканування тексту алгоритм виконано у вигляді ітеративного зменшення кандидатів елементів зв'язку, що досягається за рахунок поступового підтвердження безконфліктних зв'язків.

Ключові слова: природна мова, семантичний аналіз, конфлікти посилань

Посилання:

1. Chomsky, N. (1957). Syntactic Structures. London:Mouton.
2. Fillmore, Ch. (1968). The Case for Case. Universalsin Linguistic Theory. New York.
3. López-Quintero, J.F., Cueva Lovelle, J.M.,González Crespo, R. (2018, March 22). A personalknowledge management metamodel based onsemantic analysis and social information. SoftComputing (6, pp. 1845-1854).URL: https://doi.org/10.1007/s00500-016-2437-y
4. Yan W., Liu H., Liu Yu., Wang J., Zanni-Merk C.,Cavallucci D., Yan X., Zhang L. (2018). Latentsemantic extraction and analysis for TRIZ-basedinventive design. European Journal of IndustrialEngineering (12:5, pp. 661-681).URL: https://doi.org/10.1504/EJIE.2018.094593
5. Braun, V., Clarke, V., Hayfield, N., Terry, G. (2019).Thematic Analysis. In: Liamputtong P. (eds)Handbook of Research Methods in Health SocialSciences. Springer. Singapore.URL: https://doi.org/10.1007/978-981-10-5251-4_103
6. Ali, I., Melton, A. (2018). Semantic-Based TextDocument Clustering Using Cognitive SemanticLearning and Graph Theory. IEEE 12th InternationalConference on Semantic Computing (pp. 243-247).doi: 10.1109/ICSC.2018.00042
7. Garten J., Hoover J., Johnson K.M., Boghrati R.,Iskiwitch C., Dehghani M. (2018, February).Dictionaries and distributions: Combining expertknowledge and large scale textual data contentanalysis. Behavior Research Methods (50, 1,pp. 344–361). URL: https://doi.org/10.3758/s13428-017-0875-9
8. Dangovski, R., Jing, L., Nakov, P., Tatalović, M.,Soljačić, M. (2019). Rotational unit of memory:a novel representation unit for RNNs with scalableapplications. Transaction of the Association ofComputational Linguistics (7, pp. 121-138).
9. Gu, T., Wang, X.H., Pung, H.K., Zhang, D.Q. (2004).An ontology-based context model in intelligentenvironments. Proceedings of communicationnetworks and distributed systems modeling andsimulation conference.
10. Guo, K., Liang, Zh., Tang, Ya., Chi, T. (2018). SOR:An optimized semantic ontology retrieval algorithm for heterogeneous multimedia big data. Journal ofComputational Science (28, pp. 455-465).URL: https://doi.org/10.1016/j.jocs.2017.02.005
11. Клименко, М.С. (2018). Удосконалений методрозпізнавання емоційного стану диктора ізсемантичним аналізом змісту. Штучнийінтелект, 1, 22-27.
12. Конверський, А.Є. (2008). Логіка (традиційната сучасна). Київ: Центр учбової літератури.
13. Hofmann, T. (2017, August). Probabilistic LatentSemantic Indexing. SIGIR Forum 51, 2, 211-218.DOI: https://doi.org/10.1145/3130348.3130370
14. Ben-Or, M. (1983). Lower Bounds For AlgebraicComputation Trees. Proc. 15th ACM Annu. Symp.Theory Comput, 80-86.
15. Perper, E.M., Gasanov, È.È., Kudryavtsev, V.B.(2018). On the semantic analysis of juridicaldocuments. Intelligent systems. Theory andapplications, 22:3, 45–88.
16. Xu, Z. et al. (2017). Hierarchy-Cutting Model BasedAssociation Semantic for Analyzing Domain Topicon the Web. IEEE Transactions on IndustrialInformatics (13:4, pp. 1941-1950).doi: 10.1109/TII.2017.2647986