Статистические и парадигматические методы анализа естественного языка и проблема их гибридизации | Научно-инновационный портал СФУ

Статистические и парадигматические методы анализа естественного языка и проблема их гибридизации

Перевод названия: STATISTICAL AND paradigmatic METHODS OF NATURAL LANGUAGE aNALYSIS AND THE PROBLEM OF THEIR Hybridization

Тип публикации: статья из журнала

Год издания: 2013

Ключевые слова: статистическая модель естественного языка, генерация естественного языка, шаблоны генерации, statistical model of natural language, generation of natural language, generation templates

Аннотация: Рассматривается проблема определения семантического метрического расстояния между фрагментами текста на естественном языке с использованием шаблонов генерации осмысленных фраз языка в интеграции с применением анализа корпусов текстов на основе модели марковских процессов. Проблема давно рассматривается с точки зрения методов компьютерной лингвистики, искусственного интеллекта, традиционной лингвистики, информатики. Tthe problem of determining the semantic metric distance between fragments of natural language text is considered. The problem is solved by using generation template process based on meaningful sentences in the language along with the use of corpus analysis based on the model of Markov processes. The problem has been considered from the point of view of the methods of computational linguistics, artificial intelligence, traditional linguistics and computer science.

Ссылки на полный текст

Издание

Журнал: Решетневские чтения

Выпуск журнала: Т. 2, 17

Номера страниц: 229-231

ISSN журнала: 19907702

Место издания: Красноярск

Издатель: Сибирский государственный аэрокосмический университет имени академика М.Ф. Решетнева

Авторы

  • Личаргин Д.В. (Сибирский федеральный университет)
  • Маглинец А.Ю. (Сибирский федеральный университет)

Вхождение в базы данных

Информация о публикациях загружается с сайта службы поддержки публикационной активности СФУ. Сообщите, если заметили неточности.

Вы можете отметить интересные фрагменты текста, которые будут доступны по уникальной ссылке в адресной строке браузера.