Минисетрство образования и науки кыргызской республики и. Арабаев атындагы кыргыз мамлекеттик университети


 УЧЕБНО-МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ ДЛЯ ПРЕПОДАВАТЕЛЕЙ



Pdf көрінісі
бет29/29
Дата15.03.2017
өлшемі4,31 Mb.
#9589
1   ...   21   22   23   24   25   26   27   28   29

1.12. УЧЕБНО-МЕТОДИЧЕСКИЕ РЕКОМЕНДАЦИИ ДЛЯ ПРЕПОДАВАТЕЛЕЙ 
ДИСЦИПЛИНЫ 

280
 
 
  Компью
́ терная лингви́стика (также: математи́ческая или вычисли́тельная лингви́стика
англ. computational linguistics) — научное направление в области математического и компьютерного 
моделирования  интеллектуальных  процессов  у  человека  и  животных  при создании  систем  искусст-
венного интеллекта, которое ставит своей целью использование математических моделей для описа-
ния естественных языков. 
Компьютерная лингвистика частично пересекается с обработкой естественных языков. Однако 
в последней акцент делается не на  абстрактные модели, а на прикладные методы описания и обра-
ботки языка для компьютерных систем. 
Полем деятельности компьютерных лингвистов является разработка алгоритмов и прикладных 
программ для обработки языковой информации. 
Направления компьютерной лингвистики: 
1.
 
Обработка естественного языка (англ. natural language processing; синтаксический, морфоло-
гический, семантический анализы текста). Сюда включают также: 
2.
 
Корпусная лингвистика, создание и использование электронных корпусов текстов 
3.
 
Создание электронных словарей, тезаурусов, онтологий. Например, Lingvo. Словари исполь-
зуют, например, для автоматического перевода, проверки орфографии. 
4.
 
Автоматический  перевод  текстов.  Среди  русских  переводчиков  популярным  является 
Промт. Среди бесплатных известен переводчик Google Translate 
5.
 
Автоматическое извлечение фактов из текста (извлечение информации) (англ. fact extraction, 
text mining) 
6.
 
Автореферирование (англ. automatic text summarization). Эта функция включена, например, в 
Microsoft Word. 
7.
 
Построение систем управления знаниями. См. Экспертные системы 
8.
 
Создание вопросно-ответных систем (англ.  question answering systems). 
9.
 
Оптическое распознавание символов (англ. OCR). Например, программа FineReader 
10.
 
Автоматическое распознавание речи (англ. ASR). Есть платное и бесплатное ПО 
11.
 
Автоматический синтез речи 
Лекционные, практические и семинарские занятия должны быть направлены на формирование 
понимания  сущности  ряда  математических  методов  и  информационных  технологий,  получивших 
признание в теоретических и прикладных лингвистических исследованиях, и умений применять их на 
практике при проведении лингвистического анализа с целью повышения конкурентоспособности бу-
дущих  лингвистов.  Решение  этих  задач  возможно  на  основе  интегрированного  подхода  и  должно 
увязываться  с результатами  постоянного  мониторинга  потребностей  общества,  динамики  производ-
ственных требований и социального заказа. 
На практических и семинарских занятиях необходимо вырабатывать у студентов собственное 
отношение к применению математических методов в теоретических и прикладных лингвистических 
исследованиях и формировать умение применять некоторые из них на практике при проведении лин-
гвистического анализа. Занятия должны проводиться в виде творческих дискуссий по тематике курса, 
анализа  практических  и  лабораторных  работ,  демонстрации  информационных  технологий  лингвис-
тического анализа в компьютерной лаборатории. Темы семинарских занятий и вопросы для обсужде-
ния могут варьироваться в зависимости от профессиональных интересов студенческой аудитории. 
  Важной методологической проблемой  прикладной компьютерной лингвистики является пра-
вильная оценка необходимого соотношения между декларативной и процедурной компонентами сис-
тем автоматической обработки текстовой информации. Чему отдать предпочтение: мощным вычис-
лительным  процедурам,  опирающимся  на  относительно  небольшие  словарные  системы  с  богатой 
грамматической и семантической информацией, или мощной декларативной компоненте при относи-
тельно простых процедурных средствах? По нашему мнению, второй путь предпочтительнее. Он бы-
стрее  приведет  к  достижению  практических  целей,  так  как  при  этом  меньше  встретится  тупиков  и 
трудно  преодолимых  препятствий  и  здесь  можно  будет  в  более  широких  масштабах  использовать 
ЭВМ  для  автоматизации  исследований  и  разработок.  Необходимость  мобилизации  усилий  прежде 
всего на развитии декларативной компоненты систем автоматической обработки текстовой информа-
ции подтверждается полувековым опытом развития компьютерной лингвистики. Ведь здесь, несмот-

281
 
 
ря  на  бесспорные  успехи  этой  науки,  увлечение  алгоритмическими  процедурами  не  принесло  ожи-
даемого  успеха.  Наступило  даже  некоторое  разочарование  в  возможностях  процедурных  средств. 
Свидетельством тому является статья японского профессора Макото Нагао [117], в которой традици-
онному  преимущественно  алгоритмическому  подходу  при  решении  проблем  машинного  перевода 
("rule based approach") противопоставляется метод аналогии ("example based approach"). В свете вы-
шеизложенного, нам представляется перспективным такой путь развития компьютерной лингвисти-
ки,  когда  основные  усилия  будут  направлены  на  создание  мощных  словарей  единиц  языка  и  речи, 
изучение их семантико-синтаксической структуры и на создание базовых процедур морфологическо-
го,  семантико-синтаксического  и  концептуального  анализа  и  синтеза  текстов.  Это  позволит  в  даль-
нейшем решать широкий спектр прикладных задач. Перед компьютерной лингвистикой стоят прежде 
всего  задачи  лингвистического  обеспечения  процессов  сбора,  накопления,  обработки  и  поиска  ин-
формации. 
Наиболее важными из них являются: 
1. Автоматизация составления и лингвистической обработки машинных словарей; 
2. Автоматизация процессов обнаружения и исправления ошибок при вводе текстов в ЭВМ; 
3. Автоматическое индексирование документов и информационных запросов; 
4. Автоматическая классификация и реферирование документов; 
5.  Лингвистическое обеспечение  процессов  поиска  информации  в  одноязычных  и  многоязыч-
ных базах данных; 
6. Машинный перевод текстов с одних естественных языков на другие; 
7. Построение лингвистических процессоров, обеспечивающих общение пользователей с авто-
матизированными  интеллектуальными  информационными  системами  (в  частности,  с  экспертными 
системами) на естественном языке, или на языке, близком к естественному; 
8.  Извлечение  фактографической  информации  из  неформализованных  текстов.  Рассмотрим 
кратко эти задачи. 
  Машинные словари являются неотъемлемой частью любой системы автоматической обработ-
ки текстовой информации. Они могут представлять собой словари слов и/или словари словосочета-
ний, выражающих устойчивые научно-технические понятия. При составлении словарей необходимо 
стремиться к тому, чтобы они в максимальной степени отражали лексический состав текстов. Поэто-
му их нужно составлять по текстам достаточно большого объема (как минимум, по текстам объемом 
в несколько десятков миллионов лексических единиц). А такая работа может быть выполнена в ра-
зумные сроки только на основе широкого применения средств автоматизации.  
Задача  автоматизированного  составления  словарей  словосочетаний,  выражающих  научно-
технические понятия, сложнее задачи составления словарей слов, поскольку словосочетания в тексте 
формально не выделены и их границы "отмечены" лишь в сознании человека. Тем не менее, как пока-
зывают  эксперименты,  границы  именных  словосочетаний  могут  быть  определены  с  удовлетвори-
тельной точностью на основе простых процедур синтаксического анализа, а возникающие при этом 
ошибки могут быть устранены с помощью статистических методов и путем последующего редакти-
рования составленного словаря. 
В  системах  автоматической  обработки  текстовой  информации  важной  проблемой  является 
проблема установления парадигматических отношений между понятиями, выраженными отдельными 
словами  или  словосочетаниями  (отношений  типа  "синонимия",  "род-вид",  "целое-часть",  "причина-
следствие" и других устойчивых внеконтекстных ассоциативных отношений). Такие отношения мо-
жет устанавливать человек, опираясь на свой интеллект и различного рода словарные пособия. Одна-
ко  это  очень  трудная  и  трудоемкая  задача.  Поэтому  при  ее  выполнении  желательно  использовать 
средства автоматизации. 
Рассмотрим  сначала  возможность  автоматизированного  установления  парадигматических  от-
ношений между отдельными словами. Такую возможность можно было бы сравнительно легко реа-
лизовать, если бы мы располагали формализованными описаниями "смыслов" слов, где каждое слово 
характеризовалось бы набором семантических признаков. Сопоставляя с помощью ЭВМ наборы та-
ких признаков, можно было бы делать выводы о парадигматических отношениях между словами. Но 
такие  описания  практически  отсутствуют.  Многочисленные  попытки  их  составления  носили,  как 

282
 
 
правило,  экспериментальный  характер  и  завершались  составлением  не  очень-то  представительных 
семантических словарей, имеющих объем порядка нескольких тысяч или нескольких десятков тысяч 
лексических единиц и недостаточную глубину описания. Кроме того, задача семантического описа-
ния слов по сути своей также является задачей установления парадигматических отношений между 
словами  и  лексическими  единицами  (словами  или  словосочетаниями),  обозначающими  семантиче-
ские признаки, то есть сводится к исходной задаче.  
Но  если  мы  не  располагаем  достаточно  представительными  формализованными  описаниями 
слов, то их неформализованные или слабо формализованные описания широко представлены в раз-
личного рода толковых, терминологических и энциклопедических словарях. В этих словарях опреде-
ляемая  лексическая единица  (слово  или  словосочетание) обычно  соотносится  с  лексической едини-
цей, выражающей более широкое (родовое) понятие и с лексическими единицами, характеризующи-
ми ее отличительные признаки. Эта информация может быть использована для  выявления парадиг-
матических отношений между лексическими единицами (в частности, между словами).  
Другим источником выявления парадигматических отношений между словами могут служить 
информационно-поисковые тезаурусы (ИПТ). В тезаурусах обычно фиксируются парадигматические 
отношения  между  понятиями,  выраженными  отдельными  словами  и  именными  словосочетаниями 
(отношения  типа  "синонимия",  "род-вид",  "целое-часть"  и  другие  ассоциативные  отношения).  Если 
понятия выражены отдельными словами, то зафиксированные в  тезаурусе парадигматические отно-
шения между ними могут быть использованы непосредственно; если же они выражены словосочета-
ниями, то парадигматические отношения между словами могут быть получены как логические след-
ствия парадигматических отношений между словосочетаниями. Так, если два именных словосочета-
ния  находятся  в  отношении  синонимии  или  "род-вид",  то  и  опорные  слова  этих  словосочетаний  (в 
русском языке - первые слева существительные) тоже, как правило, находятся в таких же отношени-
ях. Опираясь на тезаурусы, толковые, терминологические и энциклопедические словари, можно вы-
являть парадигматические отношения между словами и составлять словари парных связей слов. По-
лученные таким образом словари могут быть обогащены с помощью процедуры логического вывода, 
в которой применяется правило: "если слово А связано отношением Х со словом В, а слово В связано 
таким же отношением со словом С, то слово А связано отношением Х также и со словом С". Эта про-
цедура применима к транзитивным отношениям типа "синонимия" и "род-вид". Парадигматические 
отношения  между  словосочетаниями  можно  устанавливать  автоматически  путем  сопоставления  их 
словарного состава. Так, если у двух именных словосочетаний совпадают словоизменительные осно-
вы  их  опорных  слов  (первых  слева  существительных)  и  словообразовательные  основы  остальных 
слов, то это словосочетания-синонимы; если же при совпадении словоизменительных основ опорных 
слов словообразовательные основы одного из словосочетаний полностью входят в состав словообра-
зовательных основ другого, то мы имеем дело с отношением типа "род-вид". Причем первое словосо-
четание выражает родовое понятие, а второе - видовое. 
Полноту установления парадигматических отношений между словосочетаниями можно увели-
чить, если воспользоваться для этой цели словарем парадигматических связей слов. Тогда отношения 
синонимии и родо-видовые отношения между словосочетаниями могут быть установлены не только в 
случае совпадения буквенных кодов основ слов, но и когда они не совпадают, при условии, что эти 
основы  находятся  в  отношении  "род-вид"  или  синонимии.  Например,  словосочетание  А  будет  обо-
значать родовое понятие по отношению к словосочетанию В, если опорное слово словосочетания А 
обозначает родовое понятие или синоним по отношению к опорному слову словосочетания В, а все 
другие слова словосочетания А имеют свои корреляты среди слов словосочетания В в виде синони-
мов или гипонимов (слов, обозначающих видовое понятие). Дальнейшее увеличение полноты уста-
новления парадигматических отношений между словосочетаниями может быть достигнуто, если при 
сопоставлении их лексического состава не требовать вхождения всех основ слов одного из словосо-
четаний (или их синонимов и гипонимов) в перечень основ слов другого словосочетания. Тогда наря-
ду с отношениями типа "синонимия" и "род-вид" будут выявляться и другие ассоциативные отноше-
ния. Результаты такой обработки словосочетаний должны корректироваться человеком. Как уже ука-
зывалось, в практической деятельности информационных центров есть необходимость решения зада-
чи  автоматизированного  обнаружения  и  исправления  ошибок  в  текстах  при  их  вводе  в  ЭВМ.  Эта 

283
 
 
комплексная задача может быть условно расчленена на три задачи - задачи орфографического, син-
таксического и семантического контроля текстов. Первая из них может быть решена с помощью про-
цедуры  морфологического  анализа,  использующей  достаточно  мощный  эталонный  машинный  сло-
варь  основ  слов.  В  процессе  орфографического  контроля  слова  текста  подвергаются  морфологиче-
скому анализу, и если их основы отождествляются с основами эталонного словаря, то они считаются 
правильными; если не отождествляются, то они в сопровождении микроконтекста выдаются на про-
смотр  человеку.  Человек  обнаруживает  и  исправляет  искаженные  слова,  а  соответствующая  про-
граммная система вносит эти исправления в корректируемый текст.     
Задача  синтаксического  контроля  текстов  с  целью  обнаружения  в  них  ошибок  существенно 
сложнее задачи их орфографического контроля. Во-первых, потому, что она включает в свой состав и 
задачу  орфографического  контроля  как  свою  обязательную  компоненту,  а,  во-вторых,  потому,  что 
проблема синтаксического анализа неформализованных текстов в полном объеме еще не решена. Тем 
не  менее,  частичный  синтаксический  контроль  текстов  вполне  возможен.  Здесь  можно  идти  двумя 
путями:  либо  составлять  достаточно  представительные  машинные  словари  эталонных  синтаксиче-
ских структур и сравнивать с ними синтаксические структуры анализируемого текста; либо разраба-
тывать сложную систему правил проверки грамматической согласованности элементов текста. Пер-
вый путь нам представляется более перспективным, хотя он, конечно, не исключает и возможности 
применения элементов второго пути. Синтаксическая структура текстов должна описываться в тер-
минах грамматических классов слов (точнее  - в виде последовательностей наборов грамматической 
информации к словам). 
Задачу семантического контроля текстов с целью обнаружения в них смысловых ошибок сле-
дует  отнести  к  классу  задач  искусственного  интеллекта.  В  полном  объеме  она  может  быть  решена 
только на основе моделирования процессов человеческого мышления. При этом, по-видимому, при-
дется создавать мощные энциклопедические базы знаний и программные средства манипулирования 
знаниями. Тем не менее, для ограниченных предметных областей и для формализованной информа-
ции  эта  задача  вполне  разрешима.  Она  должна  ставиться  и  решаться  как  задача  семантико-
синтаксического контроля текстов. 
Проблема  автоматизации  индексирования  документов  и  запросов  является  традиционной  для 
систем  автоматизированного  поиска  текстовой  информации.  Поначалу  под  индексированием  пони-
мали процесс присвоения документам и запросам классификационных индексов, отражающих их те-
матическое содержание. В дальнейшем это понятие трансформировалось и термином "индексирова-
ние"  стали  называть  процесс  перевода  описаний  документов  и  запросов  с  естественного  языка  на 
формализованный, в частности, на язык "поисковых образов". Поисковые образы документов стали, 
как правило, оформляться в виде перечней ключевых слов и словосочетаний, отражающих их тема-
тическое  содержание,  а  поисковые  образы  запросов  -  в  виде  логических  конструкций,  в  которых 
ключевые слова и словосочетания соединялись друг с другом логическими и синтаксическими опера-
торами. 
Автоматическое индексирование документов удобно проводить по текстам их рефератов (если 
они имеются), поскольку в рефератах основное содержание документов отражается в концентриро-
ванном виде. Индексирование может проводиться с контролем по тезаурусу или без контроля. В пер-
вом  случае  в  тексте  заголовка  документа  и  его  реферата  ищутся  ключевые  слова  и  словосочетания 
эталонного машинного словаря и в ПОД включаются только те из них, которые нашлись в словаре. 
Во втором случае ключевые слова и словосочетания выделяются из текста и включаются в ПОД не-
зависимо от их принадлежности к какому-либо эталонному словарю. Авторами книги была создана 
система автоматического индексирования документов, в которой были реализованы оба варианта ин-
дексирования (с контролем по тезаурусу и без него). Кроме того, был реализован еще и третий вари-
ант, где наряду с терминами из машинного тезауруса в ПОД включались еще и термины, выделенные 
из  заголовка  и  первого  предложения  реферата  документа.  Эксперименты  показали,  что  ПОДы,  со-
ставленные  в  автоматическом  режиме  по  заголовкам  и  рефератам  документов,  обеспечивают  боль-
шую полноту поиска, чем ПОДы, составленные вручную. Объясняется это тем, что система автома-
тического  индексирования  более  полно  отражает  различные  аспекты  содержания  документов,  чем 
система ручного индексирования.  

284
 
 
При автоматическом индексировании запросов возникают примерно те же проблемы, что и при 
автоматическом  индексировании  документов.  Здесь  также  приходится  выделять  ключевые  слова  и 
словосочетания из текста и нормализовать слова, входящие в текст запроса. Логические связки между 
ключевыми  словами  и  словосочетаниями  и  контекстуальные  операторы  могут  проставляться  вруч-
ную или с помощью автоматизированной процедуры. Важным элементом процесса автоматического 
индексирования запроса является дополнение входящих в его состав ключевых слов и словосочета-
ний  их  синонимами  и  гипонимами  (иногда  также  гиперонимами  и  другими  терминами,  ассоцииро-
ванными с исходными терминами запроса). Это может быть сделано в автоматическом или в инте-
рактивном режиме с помощью машинного тезауруса. 
Проблему автоматизации поиска документальной информации мы уже частично рассматривали 
в  связи  с  задачей  автоматического  индексирования.  Наиболее  перспективным  здесь  является  поиск 
документов по их полным текстам, так как использование для этой цели всякого рода заменителей 
(библиографических описаний, поисковых образов документов и текстов их рефератов) приводит к 
потерям информации при поиске. Наибольшие потери имеют место тогда, когда в качестве замените-
лей  первичных  документов  используются  их  библиографические  описания,  наименьшие  -  при  ис-
пользовании рефератов. Важными характеристиками качества поиска информации являются его пол-
нота и точность. Полнота поиска может быть обеспечена путем максимального учета парадигматиче-
ских связей между единицами языка и речи (словами и словосочетаниями), а точность - путем учета 
их синтагматических связей. Существует мнение, что полнота и точность поиска находятся в обрат-
ной зависимости: меры по улучшению одной из этих характеристик приводят к ухудшению другой. 
Но это справедливо только для фиксированной логики поиска. Если эту логику совершенствовать, то 
обе характеристики могут улучшаться одновременно. Процесс поиска информации в полнотекстовых 
базах данных целесообразно строить как процесс диалогового общения пользователя с информаци-
онно-поисковой системой (ИПС), при котором он последовательно просматривает фрагменты текстов 
(абзацы, параграфы), удовлетворяющие логическим условиям запроса, и отбирает те из них, которые 
для него представляют интерес. В качестве окончательных результатов поиска могут выдаваться как 
полные тексты документов, так и любые их фрагменты. Как видно из предыдущих рассуждений, при 
автоматическом поиске информации приходится преодолевать языковый барьер, возникающий меж-
ду пользователем и ИПС в связи с имеющим место в текстах разнообразием форм представления од-
ного и того же смысла. Этот барьер становится еще более значительным, если поиск приходится вес-
ти в разноязычных базах данных. Кардинальным решением проблемы здесь может быть машинный 
перевод текстов документов с одних языков на другие. Это можно делать либо заранее, перед загруз-
кой документов в поисковую систему, либо в процессе поиска информации. В последнем случае за-
прос пользователя должен переводиться на язык массива документов, в котором ведется поиск, а ре-
зультаты поиска - на язык запроса. Такого рода поисковые системы уже работают в системе Internet. 
В ВИНИТИ РАН при участии авторов книги была также построена система Cyrillic Browser, которая 
позволяет производить поиск информации в русскоязычных текстах по запросам на английском язы-
ке с выдачей результатов поиска также на языке пользователя. Важной и перспективной задачей ком-
пьютерной лингвистики является построение лингвистических процессоров, обеспечивающих обще-
ние пользователей с интеллектуальными автоматизированными информационными системами (в ча-
стности  с  экспертными  системами)  на  естественном  языке  или  на  языке, близком  к  естественному. 
Поскольку в современных интеллектуальных системах информация хранится в формализованном ви-
де, то лингвистические процессоры, выполняя роль посредников между человеком и ЭВМ, должны 
решать следующие основные задачи: 1) задачу перехода от текстов входных информационных запро-
сов и сообщений на естественном языке к представлению их смысла на формализованном языке (при 
вводе информации в ЭВМ); 2) задачу перехода от формализованного представления смысла выход-
ных  сообщений  к  его  представлению  на  естественном  языке  (при  выдаче  информации  человеку). 
Первая  задача должна  решаться  путем  морфологического,  синтаксического  и  концептуального ана-
лиза входных запросов и сообщений, вторая - путем концептуального, синтаксического и морфоло-
гического  синтеза  выходных  сообщений.  Концептуальный  анализ  информационных  запросов  и  со-
общений состоит в выявлении их понятийной структуры (границ наименований понятий и отноше-
ний между понятиями в тексте) и переводе этой структуры на формализованный язык. Он проводится 

285
 
 
после морфологического и синтаксического анализа запросов и сообщений. Концептуальный синтез 
сообщений состоит в переходе от представления элементов их структуры на формализованном языке 
к вербальному (словесному) представлению. После этого сообщениям дается необходимое синтакси-
ческое и морфологическое оформление. Для функционирования лингвистических процессоров необ-
ходимо иметь в их составе процедуры морфологического, синтаксического и концептуального анали-
за и синтеза текстов, а также базу знаний, содержащую словари единиц языка и речи и их синтагма-
тические  и  парадигматические  характеристики. Эффективность  лингвистических  процессоров  зави-
сит не только от качества процедурных средств, но и от качества лингвистической базы знаний: на-
сколько адекватно и полно представлено в ней многообразие явлений естественного языка. А качест-
венную лингвистическую базу знаний можно создать только на основе широкого применения средств 
автоматизации. 
Надо сказать, что и основные базы знаний интеллектуальных информационных систем трудно 
создавать без  использования  средств  автоматизации.  При  решении  этой  задачи  не  последнюю  роль 
будут  играть  лингвистические  процессоры,  особенно  если  речь  будет  идти  об  автоматизированном 
извлечении фактографической информации из неформализованных текстов. 
При проведении лабораторного практикума необходимо создать условия для максимально са-
мостоятельного  выполнения  лабораторных  работ.  Поэтому  при  организации  лабораторного  практи-
кума целесообразно использовать следующий алгоритм: 
1. Провести экспресс-опрос (устно или в тестовой форме) по теоретическому материалу, необ-
ходимому для выполнения работы (с оценкой). 
2. Проверить планы выполнения лабораторных работ, подготовленные студентом дома (с оцен-
кой). 
3. Оценить работу студента в лаборатории и полученные им данные (оценка). 
4. Проверить и выставить оценку за отчет. 
Любая лабораторная работа должна включать глубокую самостоятельную проработку теорети-
ческого  материала,  изучение  методик  проведения  и  планирования  эксперимента,  освоение  измери-
тельных средств, обработку и интерпретацию экспериментальных данных. При этом часть работ мо-
жет не носить обязательный характер, а выполняться в рамках самостоятельной работы по курсу. В 
ряд работ целесообразно включить разделы с дополнительными элементами научных исследований, 
которые потребуют углубленной самостоятельной проработки теоретического материала.  
 
 

286
 
 
1.13.УЧЕБНО-МЕТОДИЧЕСКОЕ И ИНФОРМАЦИОННОЕ ОБЕСПЕЧЕНИЕ 
ДИСЦИПЛИНЫ 
Основная литература: 
1.  Баранов  А.Н.  Введение  в  прикладную  лингвистику.  -    М.,2011.http://www.twirpx.com/file  -  элек-
тронное пособие 
2. Беляев М.И.,  Григорьев С.Г.,  Гриншкун  В.В.,  Демкин В.П.,  Краснова  Г.А.,Макаров С.И., Роберт 
И.В., Щенников С.А. и др. Теория и практика  создания образовательных электронных изданий. 
// М.: Изд-во РУДН, - 2003, 241 с. Часть 1.72 с. 
3.  Гриншкун  В.В.    Григорьев  С.Г.  Образовательные  электронные  издания  и  ресурсы.  //  Учебно-
методическое  пособие  для  студентов  педагогических  вузов  и слушателей системы повыше-
ния квалификации работников образования. / Курск:КГУ, Москва: МГПУ - 2010, 98 с. 
4. Зубов А.Б.,  Зубова И.И.. Информационные технологии в лингвистике./М.: «Академия», - 2004. 
5. Козырев В., Черняк В. Русская лексикография: Пособие для вузов – М., 2004. 
6. Кузнецов А.А., Григорьев С.Г., Гриншкун В.В. Образовательные  электронные издания и ресурсы: 
методическое пособие. М.: Дрофа, 2009. 156 с. 
7. Марчук Ю.Н. Основы компьютерной лингвистики. - М., 2007:18-37с. 
8. Новые педагогические и информационные технологии в системе образования. // Под ред. Е.С. По-
лат. / М.: «Академия», - 2011. 
9. Потапова Р.К..  Новые  информационные  технологии  и  лингвистика./М.:  УРСС,2004. 
10.  Соснина 
Е.П. 
Введение 
в 
прикладную 
лингвистику. 
 
Ульяновск, 
2010.http://www.twirpx.com/file/736011/ - электронный учебник 
11.  Филиппович  Ю.,  Прохоров  А.  Семантика  информационных  технологий:  опыты  словарно-
тезаурусного описания /  Серия «Компьютерная  лингвистика».  Вступ.статья А.И.Новикова. — 
М.: МГУП, 2002. 
Дополнительная литература 
1. Башмаков А.И., Старых В.А. Систематизация информационных ресурсов 
2. Григорьев С.Г.,  Гриншкун В.В., Краснова Г.А. Основные  принципы  и методики 
использования системы порталов в учебном процессе. //  В сб.  научн.   ст.«Интернет-порталы:  со-
держание и технологии»,  Вып. 2. /  ГНИИ ИТТ«Информика», М.: Просвещение - 2004. С. 56-84. 
3. Григорьев С.Г., Гриншкун В.В., Макаров С.И. Методико-технологические основы 
создания электронных средств обучения. //  Научное издание. /  Самара: Издательство Самарской го-
сударственной экономической академии. - 2002. 110 с. 
5. Еляков А.  Современное информационное общество. //  Высшее  образование  в России. М., - 2001. 
№4. 
6. Золотая рыбка в «сети». Интернет-технологии в средней школе // Под ред.Ольховской Л.И.,  Руда-
ковой  Д.Т.,  Силаевой  А.Г. -  Москва,  Прожект  Хармони,Инк., 2001. - 168 с. 
7. Интернет в профессиональной деятельности. //  Под  ред.Рудаковой  Д.Т. -  М.:ИОСО РАО, 2003. - 
220 с. 
8. Кобозева И.М.  Лингвистическая семантика:  учебник. –  М.:  Эдиториал  УРСС,2009. – 352 с. 
9. Назарова Т.С.,  Полат Е.С.  Средства обучения:  технология создания и использования. // М.: Изд-
во УРАО, - 1998. 204 с. 
10.  Панюкова  С.В.  Информационные    и    коммуникационные    технологии    в    личностно-
ориентированном обучении. // М.: ИОСО РАО - 1998, 225 с. 
11. Технические и аудиовизуальные средства обучения в вузе. - Магнитогорск: МаГУ,2011. - 174 с. 
 
Перечень электронных  источников информации 
1.  Онлайн- 
 
энциклопедия  «Кругосвет».    Гуманитарные  науки:    Лингвистика  http: 
//www.krugosvet.ru/enc/gumanitarnye_nauki/lingvistika 
2. Филологический портал Philology.ru http://www.philology.ru/ 

287
 
 
3.Библиотека Гумер – языкознание http://www.gumer.info/bibliotek_Buks/Linguist/Index_Ling.php 
4. Интернет-ресурс авторов УМК: http://www.philippovich.ru/ —  Учебно-научный кластер CLAIMM 
«Компьютерная Лингвистика,  Искусственный Интеллект, Мультимедиа технологии». 
 
Интернет-ресурсы: 
6. http://www.compling-info.narod.ru/ —  Литература  по  Компьютерной  Лингвистике 
книги, статьи, ссылки в Рунете 
7. Dialog-21.ru — Международная конференция Диалог 
8. Philology.ru — Русский филологический портал 
9. Proling.iitp.ru —  Лаборатория компьютерной лингвистики Института проблем передачи информа-
ции РАН 
10. Ruscorpora.ru — Национальный корпус русского языка 
11.  Philol.msu.ru/~lex/library.htm  —    Лаборатория  общей  и  компьютерной  лексикологии  и  лексико-
графии МГУ. 
12. RCO.ru/article.asp — Публикации RussianContextOptimizer (Технологии  анализа и поиска тексто-
вой информации) 
13. AOT.ru — Проект АОТ (Автоматическая Обработка Текста) 
14. dict.buktopuha.net — Словари русского языка для скачивания 
15. LingvoDA.ru — Ассоциация лексикографов Lingvo 
16. http://uisrussia.msu.ru/linguist/_B_comput_ling.jsp —  Научно-образовательный портал "Лингвисти-
ка в России: ресурсы для исследователей" 
17. http://company.yandex.ru/class/courses.xml —  учебные материалы по вопросам компьютерной лин-
гвистики. 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 
 


Достарыңызбен бөлісу:
1   ...   21   22   23   24   25   26   27   28   29




©emirsaba.org 2024
әкімшілігінің қараңыз

    Басты бет