11 Часть I. Компоненты 14 Глава Компьютерная



бет35/197
Дата19.03.2022
өлшемі4,29 Mb.
#136225
түріЛитература
1   ...   31   32   33   34   35   36   37   38   ...   197
Байланысты:
nikolaev is mitrenina ov lando tm red prikladnaia i kompiute

Рис. 4. ЭТАП-3: работа толково-комбинаторного словаря
Для предложения Он увидел их семью своими глазами строится лишь одна, самая очевидная версия:





Рис. 5. ЭТАП-3: разбор неоднозначного предложения

Одна версия строится и для предложения Эти типы стали есть в це-


хе:


Рис. 6. ЭТАП-3: разбор неоднозначного предложения
Из приведённых примеров видно, что система ЭТАП-3 удачно справ- ляется с синтаксически неоднозначными предложениями благодаря со- вместной работе синтаксического и семантического компонентов. Мы видим, что версии разбора, которые могли бы быть верными в некоем особом контексте, здесь не учитываются.


    1. DictaScope и АОТ

Синтаксический анализатор DictaScope (разработка российской ком- пании Dictum) работает независимо от какого-либо семантического ана- лизатора. Он самостоятельно выбирает версию синтаксического разбора, что, однако, приводит к определенным проблемам. Схемы на рис. 7 пока- зывают, что предложения Николай встретил гостей в прихожей и Нико-


лай встретил гостей в халате интерпретируются неправильно (гости одеты в прихожую или в один и тот же халат).




Рис. 7. DictaScope: гости одеты в прихожую
Может показаться, что системы ЭТАП-3 и DictaScope строят непра- вильные синтаксические деревья, но дело в том, что они не строят множе- ственных вариантов или строят, но просто не показывают их пользовате- лю.
Похожую ситуацию наблюдаем и в системе АОТ.


Рис. 8. АОТ: место встречи — халат

Для предложения Он увидел их семью своими глазами система АОТ выдаёт одну версию разбора, в которой у действующего лица — семь глаз.




Рис. 9. АОТ: семь глаз
Аналогична участь предложения Эти типы стали есть в цехе, в ко- тором предполагается наличие неких типов, которые стали употреблять пищу в цехе.


Рис. 10. АОТ: подозрительные типы употребляют пищу в цехе
    1. Stanford NLP, RASP, OpenNLP

Сходная ситуация наблюдается и в зарубежных одноцелевых парсе- рах. Так, парсер системы Stanford NLP выдаёт одинаковые версии разбора для предложений President met prime minister in his suite (Президент встре- тил премьера в его/своём костюме) и President met prime minister in his lobby (Президент встретил премьера в его/своём коридоре).



Рис. 11. Stanford NLP: костюм — место встречи
Аналогично поведение парсера RASP в составе системы Gate. К сожале- нию, результаты анализа можно получить лишь в текстовом виде.




Достарыңызбен бөлісу:
1   ...   31   32   33   34   35   36   37   38   ...   197




©engime.org 2024
әкімшілігінің қараңыз

    Басты бет