11 Часть I. Компоненты 14 Глава Компьютерная
жүктеу/скачать 4,29 Mb.
|
nikolaev is mitrenina ov lando tm red prikladnaia i kompiute
- Бұл бет үшін навигация:
- DictaScope и АОТ
- Stanford NLP, RASP, OpenNLP
| 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. DictaScope и АОТСинтаксический 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 Stanford NLP, RASP, OpenNLPСходная 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. жүктеу/скачать 4,29 Mb. Достарыңызбен бөлісу:
|