Лексико-синтаксические шаблоны в задачах автоматической обработки текста

СОДЕРЖАНИЕ ДОКЛАДА
Задача формального описания лексических и морфосинтаксических особенностей текстовых единиц.
Результаты сравнительного анализа средств описания (НКРЯ, Alex, RCO).
Концепция лексико-синтаксического шаблона языковых конструкций.
Основные возможности языка записи лексико-синтаксических шаблонов (далее LSPL).

ЗАДАЧА ОПИСАНИЯ
ЯЗЫКОВЫХ КОНСТРУКЦИЙ
Изучение терминологических и дискурсивных особенностей НТ прозы
Потребность формализовать характерные конструкции
(Под T будем понимать D, Далее докажем P, Допустим, что S)
Определение множества лексем, грамматических форм,
синтаксических условий
Фиксирование в виде декларативной структуры −
лексико-синтаксического шаблона языковой конструкции
NGACC [«мы»] «будем называть»TINS

СРЕДСТВА ОПИСАНИЯ ЕДИНИЦ ТЕКСТА
ДЛЯ ПОИСКА ФРАГМЕНТОВ В ТЕКСТАХ НА РУССКОМ ЯЗЫКЕ
Единицы текста: словоформы, последовательности слов, словосочетания
Национальный корпус русского языка (НКРЯ)
ограниченность корпуса; лингвистическая разметка
поиск последовательности слов по их грамматическим и лексико-семантическим характеристикам
Система Alex
лексические шаблоны для узкоспециализированных текстов
средства описания словосочетаний, без указания грамматических признаков
RCO Pattern Extractor/система GATE
правила и шаблоны для извлечения из текста специфических объектов
формальный язык в стиле ЯП (атрибутно-объектная модель текста)

СРАВНЕНИЕ ЯЗЫКОВЫХ СРЕДСТВ:
ОПИСАНИЕ ЛЕКСИКО-ГРАММАТИЧЕСКИХ ОСОБЕННОСТЕЙ
Лексико-графические единицы
Морфо-синтаксические условия

СРАВНЕНИЕ ЯЗЫКОВЫХ СРЕДСТВ: ДОПОЛНИТЕЛЬНЫЕ ВОЗМОЖНОСТИ
Логические операции
Запись конструкций

Разработка формального языка для:
записи специфических языковых конструкций для их представления в системе автоматической обработки НТТ;
записи запросов на поиск конструкций для системы поддержки лингвистических исследований.
Лексико-синтаксический шаблон – структурный образец языковой конструкции, отображающий ее лексические и поверхностно-синтаксические свойства.
Принцип отбора выразительных средств:
гибкая и интуитивно понятная запись основных лексических и поверхностно-синтаксических свойств конструкций.
ЛЕКСИКО-СИНТАКСИЧЕСКИЙ ШАБЛОН

ЯЗЫК LSPL-ШАБЛОНОВ:
ОСНОВНЫЕ ВОЗМОЖНОСТИ
Элемент-слово включает:
часть речи (A, N, V, Pa и т.д.) – A
индекс – A1 A2 N
лексема (< >) – A<важный>
уточнение грамматических характеристик (имя=значение) – A<важный; case=nom, gen=fem>
Грамматическое согласование элементов шаблона:
A<тяжелый> N
A<тяжелый> N
Слово тяжелый и следующее за ним существительное согласованы в роде, числе и падеже: тяжелым вечером, тяжелых камней, тяжелое тело

ЯЗЫК LSPL-ШАБЛОНОВ:
ДОПОЛНИТЕЛЬНЫЕ ВОЗМОЖНОСТИ
AP = A(A) | Pa(Pa)
AS= { AP } N<стол,c=nom> [“в”]
(N)
Элемент-слово
Имя шаблона
Экземпляр шаблона
Условия согласования
Альтернативы |
Повторение {}
Опциональное вхождение []
Параметры шаблона
Элемент-слово
Имя шаблона
Экземпляр шаблона
Условия согласования
Альтернативы |
Повторение {}
Опциональное вхождение []

ДОПОЛНИТЕЛЬНЫЕ ПРИМЕРЫ
Однородные члены в виде именных групп:
SNG = AN1 {“,” AN2}<1> [“и” AN3]
(AN1)
Дама сдавала в багаж диван, чемодан, саквояж, картину, корзину, картонку и маленькую собачонку
Шаблон типичной для деловой и НТ прозы конструкции:
NP = AN1 {AN2
} (AN1)
Характерная конструкция определения новых терминов:
DT = NP1
["мы"] "назовем" NP2
Указанную операцию назовем операцией поиска примеров

ЯЗЫК LSPL-ШАБЛОНОВ:
СРАВНИТЕЛЬНЫЙ ПРИМЕР
Прилагательное и существительное
в именительном падеже единственного числа
Язык LSPL: A
N
Язык RCO Pattern Extractor:
{Morph.SpeechPart=“Noun”, Morph.Case=“Nominative”,
Morph.Number=“Singular”}
{Morph.SpeechPart=“Adjective”, Morph.Case=“Nominative”,
Morph.Number=“Singular”}