Атты І халықаралық конференция ЕҢбектері
Г.Т. БЕКМАНОВА, А. МАХИМОВ
жүктеу/скачать 8,57 Mb. Pdf көрінісі
|
| Г.Т. БЕКМАНОВА, А. МАХИМОВ
Евразийский национальный университет им. Л.Н. Гумилева Институт искусственного интеллекта ГРАФЕМАТИЧЕСКИЙ И МОРФОЛОГИЧЕСКИЙ АНАЛИЗАТОР КАЗАХСКОГО ЯЗЫКА Автоматическая обработка текстов естественного языка является одним из актуальных направлений развития искусственного интеллекта и информатики в целом, так как результаты в этом направлении позволит решить проблему создания средств эффективного речевого взаимодействия человека с компьютером. Исследованием этой проблемы уже более 50 лет занимаются специалисты нескольких научных областей. С развитием современных естественно-языковых технологий появилась принципиальная возможность понимания естественно-языкового текста, то есть смысла текста компьютером. Сегодня можно с уверенностью говорить о том, что в Казахстане развивается компьютерная лингвистика, что позволяет надеяться на то, что в скором времени будут существовать лингвистические 197 процессоры – компоненты, составляющие структуру систем анализа текстов, которые последовательно обрабатывают входной текст. Вход одного процессора является выходом другого[1]. Выделяются следующие компоненты: • графематический анализ — выделение слов, цифровых комплексов, формул и т.д.; • морфологический анализ — построение морфологической интерпретации слов входного текста; • синтаксический анализ — построение дерева зависимостей всего предложения; • семантический анализ — построение семантического графа текста. По результатам работы графематического анализатора при анализе повести «Көксерек» М. Ауезова были получены следующие результаты: Количество абзацев: 231 Количество предложений: 871 Количество слов: 7396 Предложений длины 1: 4 Предложений длины 2: 32 Предложений длины 3: 58 Предложений длины 4: 75 Предложений длины 5: 92 Предложений длины 6: 80 Предложений длины 7: 85 Предложений длины 8: 76 Предложений длины 9: 72 Предложений длины 10: 50 Предложений длины 11: 55 Предложений длины 12: 45 Предложений длины 13: 27 Предложений длины 14: 26 Предложений длины 15: 22 Предложений длины 16: 11 Предложений длины 17: 14 Предложений длины 18: 11 Предложений длины 19: 10 Предложений длины 20: 11 Предложений длины 21: 6 Предложений длины 22: 2 Предложений длины 23: 1 Предложений длины 24: 1 Предложений длины 25: 1 Предложений длины 26: 1 Предложений длины 27: 2 Предложений длины 29:1 Данная статистика необходима для построения семантической модели текста. Поскольку можно предположить, что предложения длиной (под длиной предложения понимается количество слов в нем) меньше 4 слов является простым. А предложение длиной больше или равное 4 может не являться простым. Это простейшая проверка позволит не анализировать синтаксическим анализатором короткие предложения, что экономит время работы алгоритма. Морфологический анализ казахских текстов – это задача обратная генерации (синтезу) словоформ и новых слов. Под словоформами понимаются измененные с помощью окончаний по падежам, числам, лицам и т.д. слова (флексии), под новыми словами понимаются слова, несущие новую смысловую нагрузку, образованные путем прибавления в суффиксов и т.д. Таким образом, при разработке морфологического анализатора был разработан морфологический синтезатор казахских слов, основанный на формальных правилах. Морфологический синтез слов осуществляется с помощью эмулятора нейронной сети, который генерирует все словоформы на основе формальных правил (рисунок 1). Рисунок 1. Процесс словоизменения База знаний Анализ Начальная форма слова Семантические признаки Словоизменение Словообразован ие Словарь словоформ 198 Процесс словоизменения и словообразования основывается на детальном анализе начальной формы слова с целью выделения его морфологических признаков и считывания его семантических признаков из базы знаний. Далее определяется траектория словоизменения, происходит сам процесс словоизменения на основе семантической нейронной сети и запись словоформы и его морфологической информации в словарь словоформ. В таблице 1 приведен пример словоизменения существительного «iзбасар». Фрагмент формальных правил словоизменения на примере существительного с учетом закона сингармонизма, который обуславливает добавления мягких или твердых окончаний в зависимости от мягкости или твердости основы. Данные формальные правила содержат и семантические категории. Приведенный пример показывает фрагмент правил, где «зе» – зат есім (имя существительное), «жа» - жанды (одушевленность), «01» заканчивается на твердые гласные а, о, ұ, «))» между закрывающими скобками помещены окончания существительных, после «!» морфологическая информация[2]. Таблица 1. Словоизменение одушевленного существительного «iзбасар» Словоформа МИ Словоформа МИ iзбасар зежа iзбасарымыздың зежа#тә11іл iзбасармын зежа#жі11 iзбасарымызға зежа#тә11ба iзбасармыз зежа#жі11 iзбасарымызды зежа#тә11та iзбасарсың зежа#жі22 iзбасарымызда зежа#тә11жс iзбасарсыңдар зежа#жі22 iзбасарымыздан зежа#тә11шы iзбасар зежа#жі33 iзбасарымызбен зежа#тә11кө iзбасарым зежа#тә11 iзбасарымызбенен зежа#тә11кө iзбасарымыз зежа#тә11 iзбасарыңның зежа#тә22іл iзбасарың зежа#тә22 iзбасарыңа зежа#тә22ба iзбасарыңыз зежа#тә22 iзбасарыңды зежа#тә22та iзбасары зежа#тә33 iзбасарыңда зежа#тә22жс iзбасарлар зежа#кт iзбасарыңнан зежа#тә22шы iзбасарлармыз зежа#ктжі11 iзбасарыңмен зежа#тә22кө iзбасарларсыңдар зежа#ктжі22 iзбасарыңменен зежа#тә22кө iзбасарлар зежа#ктжі33 iзбасарыңыздың зежа#тә22іл iзбасарларым зежа#кттә11 iзбасарыңызға зежа#тә22ба iзбасарларымыз зежа#кттә11 iзбасарыңызды зежа#тә22та iзбасарларың зежа#кттә22 iзбасарыңызда зежа#тә22жс iзбасарларыңыз зежа#кттә22 iзбасарыңыздан зежа#тә22шы iзбасарлары зежа#кттә33 iзбасарыңызбен зежа#тә22кө iзбасар зежа#ат0 iзбасарыңызбенен зежа#тә22кө iзбасардың зежа#іл iзбасарлардың зежа#ктіл iзбасарға зежа#ба iзбасарларға зежа#ктба iзбасарды зежа#та iзбасарларды зежа#ктта iзбасарда зежа#жс iзбасарларда зежа#ктжс iзбасардан зежа#шы iзбасарлардан зежа#ктшы iзбасармен зежа#кө iзбасарлармен зежа#кткө iзбасарменен зежа#кө iзбасарларменен зежа#кткө iзбасарымның зежа#тә11іл iзбасарларымның зежа#кттә11іл iзбасарыма зежа#тә11ба iзбасарларыма зежа#кттә11ба iзбасарымды зежа#тә11та iзбасарларымды зежа#кттә11та iзбасарымда зежа#тә11жс iзбасарларымда зежа#кттә11жс iзбасарымнан зежа#тә11шы iзбасарларымнан зежа#кттә11шы iзбасарыммен зежа#тә11кө iзбасарларыммен зежа#кттә11кө 199 iзбасарымменен зежа#тә11кө iзбасарларымменен зежа#кттә11кө iзбасарларыңның зежа#кттә22іл iзбасарларымыздың зежа#кттә11іл iзбасарларыңа зежа#кттә22ба iзбасарларымызға зежа#кттә11ба iзбасарларыңды зежа#кттә22та iзбасарларымызды зежа#кттә11та iзбасарларыңда зежа#кттә22жс iзбасарларымызда зежа#кттә11жс iзбасарларыңнан зежа#кттә22шы iзбасарларымыздан зежа#кттә11шы iзбасарларыңмен зежа#кттә22кө iзбасарларымызбен зежа#кттә11кө iзбасарларыңменен зежа#кттә22кө iзбасарларымызбенен зежа#кттә11кө iзбасарларыңыздың зежа#кттә22іл iзбасарларыңыздан зежа#кттә22шы iзбасарларыңызға зежа#кттә22ба iзбасарларыңызбен зежа#кттә22кө iзбасарларыңызды зежа#кттә22та iзбасарларыңызбенен зежа#кттә22кө iзбасарларыңызда зежа#кттә22жс iзбасарларымсыңдар зежа#кттә11жі22 iзбасарларысыңдар зежа#кттә33жі22 iзбасарларыңбыз зежа#кттә22жі11 Казахский язык, относящийся к группе тюркских языков, очень хорошо поддается формализации. Далее существует три алгоритма работы морфологического анализатора: декларативный, процедурный, комбинированный. жүктеу/скачать 8,57 Mb. Достарыңызбен бөлісу:
|