УДК 004.8:004.912
УкрIНТЕI 2003.05.20 - NoДР 0403U001645

 

АНОТАЦІЯ

Шуклін Д.Є. Моделі семантичних нейронних мереж та їх застосування в системах штучного інтелекту. - Рукопис.

Диссертація на здобуття наукового ступеня кандидата технічних наук за спеціальністю 05.13.23 – системи та засоби штучного інтелекту. - Харківський національний університет радіоелектроніки, Харків, 2003.

Дисертація присвячена вирішенню задачі ідентифікації символьних послідовностей, визначення їх морфологічних та синтаксичних ознак, враховуючи феномени синонімії та омонімії в текстах обмеженої природної мови. У дисертаційній роботі розроблено: модель семантичної нейронної мережі, що дозволяє представляти формальну модель тексту як алгебру з операціями над елементами природної мови, що виконуються нейронами; модель синхронізованого лінійного дерева у вигляді структури зв'язків нейронів семантичної нейронної мережі, яка є скінченним автоматом і забезпечує: ідентифікацію лексем, морфологічних і синтаксичних ознак, що відповідають елементам тексту, та обробку морфологічної і синтаксичної синонімії та омонімії; модель лінії часу, що виконує функцію короткочасної пам'яті; модель механізму прямого виводу продукцій у вигляді структури зв'язків нейронів, котра виконує семантичний аналіз елементів природної мови. Спеціально модифікована семантична нейронна мережа, що обробляє синонімію й омонімію фінансових показників електронних документів, була впроваджена у виконавчій дирекції Харківського обласного відділення Фонду соціального страхування з тимчасової втрати працездатності, а так само одержала від тестової лабораторії PC Magazіne Russіan Edіtіon логотип "Yes, Іt works Offіce Extensіons" і розміщена у бібліотеці Mіcrosoft Offіce Extensіons.

Ключові слова: нейрон, нейронна мережа, автомат, морфологія, синтаксис, семантика, синонімія, омонімія.


АННОТАЦИЯ

Шуклин Д.Е. Модели семантических нейронных сетей и их применение в системах искусственного интеллекта. - Рукопись.

Диссертация на соискание ученой степени кандидата технических наук по специальности 05.13.23 – системы и средства искусственного интеллекта. - Харьковский национальный университет радиоэлектроники, Харьков, 2003.

Диссертация посвящена решению задачи идентификации символьных последовательностей, определения их морфологических и синтаксических признаков с учетом феноменов синонимии и омонимии в текстах ограниченного естественного языка, и анализа идентифицированных элементов продукционной экспертной системой, содержащей модель предметной области, что необходимо для создания эффективного интерфейса общения между автоматическими системами и рядовыми пользователями.

Разработана модель семантической нейронной сети, позволяющая представить формальную модель текста естественного языка как некоторую алгебру, в которой операции над элементами естественного языка реализованы как операции, выполняемые синхронизированными и несинхронизированными нейронами над градиентными данными. Разработана модель синхронизированного линейного дерева в виде структуры связей нейронов семантической нейронной сети, благодаря распространению волн возбуждения по нейронам сети, обеспечивающая в режиме реального времени: идентификацию лексем, морфологических и синтаксических признаков, соответствующих элементам текста; обработку морфологической и синтаксической синонимии и омонимии.

Разработана модель линии времени, представляющая собой группу последовательно связанных нейронов, соответствующих квантам времени, используемая в бинарном синхронизированном линейном дереве, выполняющая функцию кратковременной памяти и обеспечивающая установление связей между элементами различных предложений. Разработана структура связей нейронов семантической нейронной сети, аналогичная механизму прямого вывода продукций, моделирующая паралельное выполнение множества правил в базе знаний предметной области как сеть нечетких логических операций, выполняемых нейронами и позволяющая проводить классификацию элементов текста на основании правил и входных градиентных уровней возбуждения нейронов. Разработана структура многоуровневой системы, обрабатывающей текст естественного языка, которая использует разработанные структуры семантической нейронной сети для морфологической, синтаксической и семантической обработки входного текста.

Эксперименты показали, что наличие семиотической обратной связи и повторной обработки синтезированных символьных последовательностей значительно облегчает реализацию словообразования и словоизменения, так как в этом случае эти операции словообразования и словоизменения проводятся в слоях анализа текста. Было обнаружено, что наличие внутренних спецсимволов, циркулирующих по контуру семиотической обратной связи, позволяет на примитивном уровне реализовать операции планирования беседы и управления вниманием в пределах нескольких обсуждаемых тем. Разработан набор функций Application Programming Interface для ядра виртуальной машины, моделирующей семантическую нейронную сеть на последовательной вычислительной системе, который может использоваться как при разработке систем, моделирующих нейронных сети, так и в объектно-реляционно-сетевых системах управления базами данных и знаний. Разработанная программная реализация виртуальной машины может применяться как однопоточный программный компонент, моделирующий семантическую нейронную сеть на x86-совместимых вычислительных машинах. Программная реализация, строящая дерево синтаксического подчинения предложения может использоваться как компонент систем, обрабатывающих текст естественного языка. Специально модифицированная семантическая нейронная сеть, обрабатывающая семантическую синонимию и омонимию финансовых показателей электронных документов, была использована при реализации АрмО Ф6 ФСС по ВПТ и внедрена в исполнительной дирекции Харьковского областного отделения Фонда социального страхования по временной потере трудоспособности, а так же получила от тестовой лаборатории PC Magazine Russian Edition логотип "Yes, It works Office Extensions" и помещена в библиотеку Microsoft Office Extensions (LocNet Ver. 0.3 - Применение семантической нейронной сети для обработки семантической синонимии и омонимии финансовых показателей электронных документов (Excel 97/Access 97) / Шуклин Д.Е.// Id: 620 Date: 2002.04.03 URL: http://www.microsoft.ru/offext/details.aspx?id=620).

Ключевые слова: нейрон, нейронная сеть, автомат, морфология, синтаксис, семантика, синонимия, омонимия.


ABSTRACT

Shuklin D.E. Semantic neural network models and their application in the artificial intelligence systems. - Manuscript.

Thesis for a candidate’s degree of technical sciences on speciality 05.13.23 - the Artificial Intelligence Systems and Means. - the Kharkov National University of Radio Electronics, Kharkov, 2003.

The dissertation is devoted to the solution of a symbolical sequences identification problem, definitions of their morphological and syntactic attributes, processes of synonymy and homonymy phenomena in the limited natural language texts. The developed dissertation presents: the semantic neural network model which allows to represent formal model of the text as algebra with operations carried by neurons on the natural language elements; the synchronized linear tree model as a semantic neural network connections structure being the finite automata and providing: identification of the lexemes, morphological and syntactic attributes corresponding to the text elements and processes of the morphological and syntactic synonymy and homonymy; the line of time model carrying out the function of short-term memory; the model of direct clause conclusion mechanism as a structure of neural connections, carrying out the semantic analysis of the text elements. A specially modified semantic neural network processing synonymy and homonymy of financial parameters in electronic documents has been installed in the executive office of Kharkiv regional department of Social Assurance Fund for temporary disability, and it has received a trade mark "Yes, Іt works Offіce Extensіons" from the PC Magazіne Russіan Edіtіon Test Laboratory and has been placed in the Mіcrosoft Offіce Extensіons library.

Key words: neuron, neural network, automat, morphology, syntax, semantic, synonymy, homonymy.

[Полный текст (ZIP, PDF, 2209386)] [Автореферат (ZIP, PDF, 471422)] [Главная]