«ОБРАБОТКА ТЕКСТА И КОГНИТИВНЫЕ ТЕХНОЛОГИИ № 15 TEXT PROCESSING AND COGNITIVE TECHNOLOGIES ...»

Здесь для примера приведен анализ части одного предложения с применением эвристик с областью анализа ±3 слова (таблица 3), а далее без применения эвристик с областью анализа ±3 слова (таблица 4).

В нашем примере видно, что произошло сокращение неправильно выявленных чанков с 99 до 35. При этом не было потеряно ни одного правильного чанка.

Теперь проанализируем полученные результаты из таблицы №3, где представлены общие результаты анализа.

Приведенный пример был подобран таким образом, чтобы наиболее наглядно показать преимущества применяемых эвристик, упор был сделан именно на эвристику №3. В данном примере из 105 чанков 62 были отсеяны с помощью данной эвристики. В первом простом предложении присутствовал только один чанк-кандидат на место главных членов предложения. Этот чанк – «температура + повышалась». Значит все оставшиеся варианты чанков в составе этого простого предложения, в которых присутствует существительное в именительном падеже совершенно определенно являются ложными чанками. Также с помощью этой эвристики были отсеяны несколько ложных чанков, которые возникли вследствие ошибки морфоанализатора. С помощью эвристики №1 был удален один из двух парных чанков «углерода + примесей», второй же чанк из этой пары был удален с помощью эвристики №2, так как между ними стоит союз «и».

Далее проанализируем данные представленные в таблицах 1 и 2.

Обратим внимание, что эти эвристики обладают преимуществом перед эвристикой, направленной на ограничение области анализа зависимого слова из-за того, что они никак не воздействуют на правильно выявленные морфоанализатором чанки. То есть процент пропущенных чанков полностью совпадает с этим же процентом без применения этих эвристик.

Таблица 3 – Поиск чанков в предложении с использованием эвристик.

Цепь	Вид цепи	N1	N2	N3	N4	П
1	2	3	4	5	6	7
Предложение: «По мере развития техники производства железа постепенно повышалась температура, при которой велся процесс, но одновременно в металле повышалось содержание углерода и других примесей».
мере + развития	Сущ. Ж.род. Неодуш. (Ед.ч. Д.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )	1				1
мере + развития	Сущ. Ж.род. Неодуш. (Ед.ч. Д.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
мере + техники	Сущ. Ж.род. Неодуш. (Ед.ч. Д.П. ) + Сущ. Ж.род. Неодуш. (Ед.ч. Р.П. )		1
мере + техники	Сущ. Ж.род. Неодуш. (Ед.ч. Д.П. ) + Сущ. Ж.род. Неодуш. (Мн.ч. В.П. )		1
мере + производства	Сущ. Ж.род. Неодуш. (Ед.ч. Д.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
мере + производства	Сущ. Ж.род. Неодуш. (Ед.ч. Д.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
мере + развития	Сущ. Ж.род. Неодуш. (Ед.ч. П.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
мере + развития	Сущ. Ж.род. Неодуш. (Ед.ч. П.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
мере + техники	Сущ. Ж.род. Неодуш. (Ед.ч. П.П. ) + Сущ. Ж.род. Неодуш. (Ед.ч. Р.П. )		1
мере + техники	Сущ. Ж.род. Неодуш. (Ед.ч. П.П. ) + Сущ. Ж.род. Неодуш. (Мн.ч. В.П. )		1
мере + производства	Сущ. Ж.род. Неодуш. (Ед.ч. П.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
мере + производства	Сущ. Ж.род. Неодуш. (Ед.ч. П.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
развития + техники	Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ж.род. Неодуш. (Ед.ч. Р.П. )	1				1
развития + техники	Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ж.род. Неодуш. (Мн.ч. В.П. )		1
развития + производства	Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
развития + производства	Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
развития + железа	Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
развития + железа	Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
развития + техники	Сущ. Ср.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ж.род. Неодуш. (Ед.ч. Р.П. )		1
развития + техники	Сущ. Ср.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ж.род. Неодуш. (Мн.ч. В.П. )		1
развития + производства	Сущ. Ср.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
развития + производства	Сущ. Ср.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
развития + железа	Сущ. Ср.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
развития + железа	Сущ. Ср.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
техники + производства	Сущ. Ж.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )	1				1
техники + производства	Сущ. Ж.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
техники + железа	Сущ. Ж.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
техники + железа	Сущ. Ж.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
техники + производства	Сущ. Ж.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
техники + производства	Сущ. Ж.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
техники + железа	Сущ. Ж.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
техники + железа	Сущ. Ж.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
производства + железа	Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )	1				1
производства + железа	Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
производства + железа	Сущ. Ср.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
производства + железа	Сущ. Ср.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
температура + повышалась	Сущ. Ж.род. Неодуш. (Ед.ч. И.П. ) + Глаг. НСВ невозврат I спряж (Прош.вр Ед.всех лиц Ж род)	1				1
при + процесс	Сущ. Ж.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. М.род. Неодуш. (Ед.ч. В.П. )				1
при + при + процесс	Сущ. Ж.род. Неодуш. (Мн.ч. В.П. ) + Предлог + Сущ. М.род. Неодуш. (Ед.ч. И.П. )				1
при + процесс	Сущ. Ж.род. Неодуш. (Мн.ч. В.П. ) + Сущ. М.род. Неодуш. (Ед.ч. В.П. )				1
содержание + повышалось	Сущ. Ср.род. Неодуш. (Ед.ч. И.П. ) + Глаг. НСВ невозврат I спряж (Прош.вр Ед.всех лиц С род)	1				1
содержание + углерода	Сущ. Ср.род. Неодуш. (Ед.ч. И.П. ) + Сущ. М.род. Неодуш. (Ед.ч. Р.П. )	1				1
Итого		7	35	0	3	7
Примечание: «П» - правильные чанки в предложении, определяется вручную; «N4» – неправильно выявленные чанки из-за ошибки морфоанализатора.

Таблица 4 – Поиск чанков в предложении без использования эвристик.

Цепь	Вид цепи	N1	N2	N3	N4	П
1	2	3	4	5	6	7
Предложение: «По мере развития техники производства железа постепенно повышалась температура, при которой велся процесс, но одновременно в металле повышалось содержание углерода и других примесей».
мере + развития	Сущ. Ж.род. Неодуш. (Ед.ч. Д.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )	1				1
мере + развития	Сущ. Ж.род. Неодуш. (Ед.ч. Д.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. И.П. )		1
мере + развития	Сущ. Ж.род. Неодуш. (Ед.ч. Д.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
мере + техники	Сущ. Ж.род. Неодуш. (Ед.ч. Д.П. ) + Сущ. М.род. Одуш (Мн.ч. И.П. )		1
мере + техники	Сущ. Ж.род. Неодуш. (Ед.ч. Д.П. ) + Сущ. Ж.род. Неодуш. (Ед.ч. Р.П. )		1
мере + техники	Сущ. Ж.род. Неодуш. (Ед.ч. Д.П. ) + Сущ. Ж.род. Неодуш. (Мн.ч. И.П. )		1
мере + техники	Сущ. Ж.род. Неодуш. (Ед.ч. Д.П. ) + Сущ. Ж.род. Неодуш. (Мн.ч. В.П. )		1
мере + производства	Сущ. Ж.род. Неодуш. (Ед.ч. Д.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
мере + производства	Сущ. Ж.род. Неодуш. (Ед.ч. Д.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. И.П. )		1
мере + производства	Сущ. Ж.род. Неодуш. (Ед.ч. Д.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
мере + развития	Сущ. Ж.род. Неодуш. (Ед.ч. П.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
мере + развития	Сущ. Ж.род. Неодуш. (Ед.ч. П.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. И.П. )		1
мере + развития	Сущ. Ж.род. Неодуш. (Ед.ч. П.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
мере + техники	Сущ. Ж.род. Неодуш. (Ед.ч. П.П. ) + Сущ. М.род. Одуш (Мн.ч. И.П. )		1
мере + техники	Сущ. Ж.род. Неодуш. (Ед.ч. П.П. ) + Сущ. Ж.род. Неодуш. (Ед.ч. Р.П. )		1
мере + техники	Сущ. Ж.род. Неодуш. (Ед.ч. П.П. ) + Сущ. Ж.род. Неодуш. (Мн.ч. И.П. )		1
мере + техники	Сущ. Ж.род. Неодуш. (Ед.ч. П.П. ) + Сущ. Ж.род. Неодуш. (Мн.ч. В.П. )		1
мере + производства	Сущ. Ж.род. Неодуш. (Ед.ч. П.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
мере + производства	Сущ. Ж.род. Неодуш. (Ед.ч. П.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. И.П. )		1
мере + производства	Сущ. Ж.род. Неодуш. (Ед.ч. П.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
развития + техники	Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. М.род. Одуш (Мн.ч. И.П. )		1
развития + техники	Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ж.род. Неодуш. (Ед.ч. Р.П. )	1				1
развития + техники	Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ж.род. Неодуш. (Мн.ч. И.П. )		1
развития + техники	Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ж.род. Неодуш. (Мн.ч. В.П. )		1
развития + производства	Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
развития + производства	Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. И.П. )		1
развития + производства	Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
развития + железа	Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ж.род. Неодуш. (Ед.ч. И.П. )		1
развития + железа	Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
развития + железа	Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. И.П. )		1
развития + железа	Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
развития + техники	Сущ. Ср.род. Неодуш. (Мн.ч. И.П. ) + Сущ. М.род. Одуш (Мн.ч. И.П. )		1
развития + техники	Сущ. Ср.род. Неодуш. (Мн.ч. И.П. ) + Сущ. Ж.род. Неодуш. (Ед.ч. Р.П. )		1
развития + техники	Сущ. Ср.род. Неодуш. (Мн.ч. И.П. ) + Сущ. Ж.род. Неодуш. (Мн.ч. И.П. )		1
развития + техники	Сущ. Ср.род. Неодуш. (Мн.ч. И.П. ) + Сущ. Ж.род. Неодуш. (Мн.ч. В.П. )		1
развития + производства	Сущ. Ср.род. Неодуш. (Мн.ч. И.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
развития + производства	Сущ. Ср.род. Неодуш. (Мн.ч. И.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. И.П. )		1
развития + производства	Сущ. Ср.род. Неодуш. (Мн.ч. И.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
развития + железа	Сущ. Ср.род. Неодуш. (Мн.ч. И.П. ) + Сущ. Ж.род. Неодуш. (Ед.ч. И.П. )		1
развития + железа	Сущ. Ср.род. Неодуш. (Мн.ч. И.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
развития + железа	Сущ. Ср.род. Неодуш. (Мн.ч. И.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. И.П. )		1
развития + железа	Сущ. Ср.род. Неодуш. (Мн.ч. И.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
развития + техники	Сущ. Ср.род. Неодуш. (Мн.ч. В.П. ) + Сущ. М.род. Одуш (Мн.ч. И.П. )		1
развития + техники	Сущ. Ср.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ж.род. Неодуш. (Ед.ч. Р.П. )		1
развития + техники	Сущ. Ср.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ж.род. Неодуш. (Мн.ч. И.П. )		1
развития + техники	Сущ. Ср.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ж.род. Неодуш. (Мн.ч. В.П. )		1
развития + производства	Сущ. Ср.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
развития + производства	Сущ. Ср.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. И.П. )		1
развития + производства	Сущ. Ср.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
развития + железа	Сущ. Ср.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ж.род. Неодуш. (Ед.ч. И.П. )		1
развития + железа	Сущ. Ср.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
развития + железа	Сущ. Ср.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. И.П. )		1
развития + железа	Сущ. Ср.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
техники + производства	Сущ. М.род. Одуш (Мн.ч. И.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
техники + производства	Сущ. М.род. Одуш (Мн.ч. И.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. И.П. )		1
техники + производства	Сущ. М.род. Одуш (Мн.ч. И.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
техники + железа	Сущ. М.род. Одуш (Мн.ч. И.П. ) + Сущ. Ж.род. Неодуш. (Ед.ч. И.П. )		1
техники + железа	Сущ. М.род. Одуш (Мн.ч. И.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
техники + железа	Сущ. М.род. Одуш (Мн.ч. И.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. И.П. )		1
техники + железа	Сущ. М.род. Одуш (Мн.ч. И.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
техники + производства	Сущ. Ж.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )	1				1
техники + производства	Сущ. Ж.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. И.П. )		1
техники + производства	Сущ. Ж.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
техники + железа	Сущ. Ж.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ж.род. Неодуш. (Ед.ч. И.П. )		1
техники + железа	Сущ. Ж.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
техники + железа	Сущ. Ж.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. И.П. )		1
техники + железа	Сущ. Ж.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
техники + производства	Сущ. Ж.род. Неодуш. (Мн.ч. И.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
техники + производства	Сущ. Ж.род. Неодуш. (Мн.ч. И.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. И.П. )		1
техники + производства	Сущ. Ж.род. Неодуш. (Мн.ч. И.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
техники + железа	Сущ. Ж.род. Неодуш. (Мн.ч. И.П. ) + Сущ. Ж.род. Неодуш. (Ед.ч. И.П. )		1
техники + железа	Сущ. Ж.род. Неодуш. (Мн.ч. И.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
техники + железа	Сущ. Ж.род. Неодуш. (Мн.ч. И.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. И.П. )		1
техники + железа	Сущ. Ж.род. Неодуш. (Мн.ч. И.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
техники + производства	Сущ. Ж.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
техники + производства	Сущ. Ж.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. И.П. )		1
техники + производства	Сущ. Ж.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
техники + железа	Сущ. Ж.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ж.род. Неодуш. (Ед.ч. И.П. )		1
техники + железа	Сущ. Ж.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
техники + железа	Сущ. Ж.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. И.П. )		1
техники + железа	Сущ. Ж.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
производства + железа	Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ж.род. Неодуш. (Ед.ч. И.П. )		1
производства + железа	Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )	1				1
производства + железа	Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. И.П. )		1
производства + железа	Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
производства + железа	Сущ. Ср.род. Неодуш. (Мн.ч. И.П. ) + Сущ. Ж.род. Неодуш. (Ед.ч. И.П. )		1
производства + железа	Сущ. Ср.род. Неодуш. (Мн.ч. И.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
производства + железа	Сущ. Ср.род. Неодуш. (Мн.ч. И.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. И.П. )		1
производства + железа	Сущ. Ср.род. Неодуш. (Мн.ч. И.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
производства + железа	Сущ. Ср.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ж.род. Неодуш. (Ед.ч. И.П. )		1
производства + железа	Сущ. Ср.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Ед.ч. Р.П. )		1
производства + железа	Сущ. Ср.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. И.П. )		1
производства + железа	Сущ. Ср.род. Неодуш. (Мн.ч. В.П. ) + Сущ. Ср.род. Неодуш. (Мн.ч. В.П. )		1
железа + повышалась	Сущ. Ж.род. Неодуш. (Ед.ч. И.П. ) + Глаг. НСВ невозврат I спряж (Прош.вр Ед.всех лиц Ж род)		1
температура + повышалась	Сущ. Ж.род. Неодуш. (Ед.ч. И.П. ) + Глаг. НСВ невозврат I спряж (Прош.вр Ед.всех лиц Ж род)	1				1
при + процесс	Сущ. Ж.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. М.род. Неодуш. (Ед.ч. И.П. )				1
при + процесс	Сущ. Ж.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. М.род. Неодуш. (Ед.ч. В.П. )				1
при + процесс	Сущ. Ж.род. Неодуш. (Мн.ч. И.П. ) + Сущ. М.род. Неодуш. (Ед.ч. И.П. )				1
при + процесс	Сущ. Ж.род. Неодуш. (Мн.ч. И.П. ) + Сущ. М.род. Неодуш. (Ед.ч. В.П. )				1
при + при + процесс	Сущ. Ж.род. Неодуш. (Мн.ч. В.П. ) + Предлог + Сущ. М.род. Неодуш. (Ед.ч. И.П. )				1
при + процесс	Сущ. Ж.род. Неодуш. (Мн.ч. В.П. ) + Сущ. М.род. Неодуш. (Ед.ч. В.П. )				1
содержание + повышалось	Сущ. Ср.род. Неодуш. (Ед.ч. И.П. ) + Глаг. НСВ невозврат I спряж (Прош.вр Ед.всех лиц С род)	1				1
содержание + углерода	Сущ. Ср.род. Неодуш. (Ед.ч. И.П. ) + Сущ. М.род. Неодуш. (Ед.ч. Р.П. )	1				1
содержание + углерода	Сущ. Ср.род. Неодуш. (Ед.ч. В.П. ) + Сущ. М.род. Неодуш. (Ед.ч. Р.П. )		1
углерода + примесей	Сущ. М.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ж.род. Неодуш. (Мн.ч. Р.П. )		1
углерода + примесей	Сущ. М.род. Неодуш. (Ед.ч. Р.П. ) + Сущ. Ж.род. Неодуш. (Мн.ч. Р.П. )		1
Итого		7	99	0	6	7
Примечание: «П» - правильные чанки в предложении, определяется вручную; «N4» – неправильно выявленные чанки из-за ошибки морфоанализатора.

Далее можно заметить, что значение Pr не изменилось, так как эвристики не были направлены на определение новый чанков. Значение Re увеличилось для каждой области анализа в среднем на 0,05, а F1 увеличилось на 0,06.

Можно заметить, что наилучшие результаты дает анализ с областью ±2, ±3 и ±4 при этом ошибочно отсеивается соответственно 8,9%, 2,76% и 0,61%. Число неправильно выявленных чанков вследствие применения эвристик соответственно для областей анализа ±2, ±3 и ±4 равно: 70,35% (было 1555, стало 1094 чанка); 71,35% (было 1316, стало 939 чанков); 74,55% (было 10002, стало 747 чанков).

На рисунке 3 представлены сравнительные графики значений Pr, Re, F1 в зависимости от области анализа для случая с применением эвристик. На рисунке 4 представлены Сравнительные графики значений Pr, Re, F1 в зависимости от области анализа для случая без применения эвристик.

Рисунок 3 – Сравнительные графики значений Pr, Re, F1 в зависимости от области анализа для случая с применением эвристик (по оси X указана область анализа (число слов)).

Рисунок 4 – Сравнительные графики значений Pr, Re, F1 в зависимости от области анализа для случая без применения эвристик (по оси X указана область анализа (число слов))

ВЫВОДЫ И НАПРАВЛЕНИЯ БУДУЩИХ ИССЛЕДОВАНИЙ

Применение данных эвристик не влияет на правильно выявленные чанки. Число неправильно выявленных чанков вследствие применения эвристик для разных областей анализа предложения примерно равны от 70% до 75% от первоначального количества неправильно выявленных чанков (после применения эвристики, направленной на ограничение области анализа в предложении). При этом показатель Re удалось увеличить на 0,05.

Направления будущих исследований главным образом будут направлены на разработку новых эвристик, направленных на сокращение числа ложно выявленных чанков путем описания новых синтаксических правил, обеспечивающих отсев ложных чанков. Данное исследование показывает, что если описать достаточное количество таких правил, то показатель Re увеличится еще сильнее и алгоритм анализа станет намного более эффективным. Затем также возможно исследовать эвристики, описывающие дополнительные правила позволяющие производить поиск новых видов чанков, например, поиск чанков с составными глаголами, при этом будет возрастать показатель Pr.

ЛИТЕРАТУРА

1. Буштедт В. А., Поляков В. Н. Частичный синтаксический анализатор для корпоративной поисковой системы. // TEL’06. 2006.

2. Vladislav Bushtedt, Vladimir Polyakov. Finding chunks with restricrion of distance to dependent word. // Когнитивное моделирование в лингвистике. Труды IX международной конференции. Sofia, Bulgaria, 2007.

3. Hall K., Novak V. Corrective Modeling for Non-Projective Dependency Parsing // Center for Language and Speech Processing Johns Hopkins, University Baltimore, MD 21218; Institute of Formal and Applied Linguistics Charles University Prague, Czech Republic. 2005.

PARTIAL PARSING WITH USE OF HEURISTICS DIRECTED ON THE SEARCH OF FALSE CHUNKS ^[75]

Vladislav Bushtedt ^[76] and Vladimir Polyakov ^[77]

ABSTRACT

In the paper the problem of partial parsing is considered. We use some heuristics which allow to reduce quantity of false chunks, that were found at the initial step of analysis. It was revealed that the phenomena of a homonymy and polysemy have very high influence on detection of chunks. Formal description of the problem is made. The search method were named as «Right-Chunk 3». Computer realisation of a method of search чанков «Chunk-Creator 3» is executed. The evaluation of quality of work is fulfilled.

KEYWORDS:

Parsng, сhunking, Russian

ПАРАМЕТРЫ КРИПТОКЛАССНОГО МОДЕЛИРОВАНИЯ СУЩЕСТВИТЕЛЬНЫХ В АНГЛИЙСКОМ ЯЗЫКЕ

Ольга Борискина, Людмила Коейкина

.

ВВЕДЕНИЕ

Формализация результатов лингвистического описания синтагматических свойств абстрактных имен является необходимым этапом оптимизации автоматической обработки текстов. Исследования в этой области (Азарова (2006), Durco (2007), Mitrofanova (2006), Борискина, Кретов (2003), Морковкин (1984) и др.) способствуют пониманию механизмов словосочетаемости. Для решения задач компьютерно-опосредованной коммуникации, в частности, при создании программ автоматического синтезирования коммуникативно-значимых словосочетаний мы предлагаем обратить внимание на информативность криптоклассного представления знаний о природе «умопостигаемых сущностей вторичной реальности сознания» (Кубрякова (2006, с.11)).

Для построения модели криптоклассного хранения знаний в языке должны быть задействованы технологические ресурсы корпусной лингвистики, методы и результаты исследований когнитивной лингвистики, принципы моделирования компьютерной лингвистики и знание закономерностей воспроизводства самоорганизующихся систем.

Чтобы реконструировать криптоклассную систему английского языка мы выработали ряд процедур, получивших название криптоклассный анализ именной лексики.

Далее в работе выделены следующие разделы: After this introductory section, the rest of this paper is organized as follows: Section 2 focuses on the cognitive nature of Cryptotype; Section 3 outlines the methodological and technological aspects of Cryptotype analysis; Section 4 presents the reconstruction of EL Cryptotype “hand-held object”; Section 5 presents the cryptotype under consideration analysis matrix; Section 6 con­cludes the paper.

КОГНИТИВНАЯ ПРИРОДА КРИПТОКЛАССА

Любой национальный язык с его формами и категориями является наиболее беспристрастным и уникальным источником информации о процессах и результатах познавательной деятельности человека. Особый интерес для исследования глубинных процессов категоризующей деятельности человека представляют скрытые (не имеющие формальных показателей) категории языка. Введением в лингвистический обиход (скрытого, crypto, covert) типа языковой категории наука обязана Б.Л.Уорфу (Whorf (1956). Для системного описания и формального моделирования сочетательных свойств именной лексики мы пользуемся именно этим термином.

Криптокласс имен английского языка - скрытый тип языковой категории, образованной по полевому принципу моделирующего ядра и моделируемой периферии, где периферийные представители класса проявляют разную степень подобия ядерным элементам, что проявляется в лексической синтагматике. Связи между членами криптокласса лежат в глубинах подсознания («коллективного бессознательного» определенного языкового коллектива) и человек использует такие знания в дискурсе автоматически: неосознанно и интуитивно.

По-видимому, объединяющим началом для имен моделируемого ядра и моделируемой периферии криптокласса служат сходства в реализации их сочетательного потенциала. Фактически, признак, связывающий разные по тематике и семантике имена, имеет когнитивную природу и принадлежит к глубинному уровню языковой категоризации, характеризующемуся гибкостью, подвижностью, нестабильностью, естественностью, непоследовательностью и лакунарностью. Однако все это не противоречит упорядоченности и устойчивости глубинных категоризационных процессов.

Криптокласс, выступая в функции системологически ориентированной единицы организации лексико-синтаксической сочетаемости, представляется нам удобным средством изучения  узуального и окказионального употребления словарных сочетаний, обусловленного особенностями языковой картины мира, в частности, англоязычного сознания.

Выбор криптоклассной системы для моделирования лексической синтагматики диктуется двумя факторами: практически­ми целями построения динамической модели лексической синтагматики и характером связей между единицами криптокласса, «навязываемых» языковой системой в соответствии с механизмом наследования «архетипических» свойств языковых единиц. Остановимся подробнее на процедурных особенностях криптоклассного анализа.

TECHNOLOGICAL ASPECTS OF CRYPTOTYPE ANALYSIS

Моделирование криптоклассного хранения знаний в англоязычной среде предполагает решения ряда задач.

Во-первых, предлагаемый подход к моделированию лексико-синтаксической сочетаемости ориентирован терминологически и методологически на систему координат языковой категоризации мира. Криптоклассный анализ лексики должен базироваться на глубинной иерархии когнитивно-прагматических универсалий и оппозиций, с помощью которых человек конструирует действительность.

Построение криптоклассной таксономии диктует необходимость выделения коммуникативно-значимых и классо-формирующих свойств объектов реальной действительности: таких как свойство объекта вмещать в себя другие объекты; иметь малый (сопоставимый с размером ладони и легко перемещаемый мускульной силой человека) размер; свойство остроконечной формы колоть или резать; свойства живой VS. неживой материи и т.д.

Каждое из таких свойств, жизненно важное для древнего человека, представляется нам когнитивно-ценным и надежным для категоризационных целей. Вероятно, на этапе осмысления человеком мира, когда появилась необходимость обмениваться при общении не только предметными именами, но и «оперировать вторичной реальностью мира», оказалось удобно категоризовать, к примеру, честь по типу и понятию мелкого предмета (которую полагалось всегда носить с собой (omnia mea…) и заявлять об этом (честь имею), беречь смолоду, правда, при определенных обстоятельствах с ней приходилось расставаться: отдавать, терять, отбирать или лишать. Именно это обстоятельство позволяет исследователю современного этапа становления языка наблюдать как подобные имена «приспособились» обходиться без собственной субъектной или объектной сочетаемости, избирательно «наследуя» при этом сочетательные свойства определенных предметно-ориентированных языковых единиц.

Обязательным этапом криптоклассного анализа для выделения криптокласса (ов) является установление классификаторов криптоклассов. Способность признаковых лексем проецировать именам позиции для замещения выступает в виде их категоризующей или классифицирующей функции (Кретов (1992, с.106)). Метод криптоклассного анализа предполагает учитывать не только категоризующую способность глаголов, но и имен прилагательных и существительных в качестве дополнительного ресурса восстановления стертых или утерянных связей между членами криптокласса.

Отбор надежных классификаторов имен проводится на основании изучения внутренней формы (по А.А.Потебне) и этимологии признаковых лексем английского языка, в глубинной семантике которых аккумулированы когнитивно-ценные и коммуникативно-значимые признаки предметов реальной действительности, способные выполнять классо-различительную функцию.

Самой трудоемкой задачей криптоклассного анализа следует признать формирование корпуса речеупотреблений классифи-цируемых имен, отражающего потребности исследования, из полнотекстовых электронных информационных ресурсов Yahoo!, Google, и конкордансов электронных баз данных национальных корпусов (в частности, British National Corpus (200 млн. слов), American National Corpus (360 млн. слов), http://view.byu.edu, http://sara.natcorp.ox.ac.uk, http://thesis.bl.uk./lookup.html), www.americancorpus.org с привлечением частотных возможностей таких ресурсов. Для проверки рабочих гипотез проекта, связанных с криптоклассным статусом именной лексики, нами использовались возможности ИПС всемирной сети WWW по запросу пользователя. Одновременное обращение к разным источникам материала позволяет повысить репрезентативность выборки и составить максимально полную и достаточно объективную картину словосочетаемости.

Следующей задачей исследования является формализация данных криптоклассного анализа имен высокой степени абстракции с помощью таблицы MS Excel.

ENGLISH NOUN CRYPTOTYPE “HAND-HELD OBJECT” SIMULATION

Мы задались целью реконструировать периферию криптокласса английских имен «Мелкий предмет», чтобы проверить устойчивость криптоклассных категоризационных процессов и найти элементы упорядоченности в организации криптокласса.

Рассмотрим как организован один из криптоклассов английского языка «Мелкий предмет». Моделирующим ядром данного криптокласса являются имена, называющие такой природный предмет стабильной формы, который имеет достаточно маленькие размеры, чтобы его можно было взять в руку, держать в ладонях и передавать из рук в руки, например, (fruit, apple) плод, (rock) камень, (stick) палка. Ср., to throw a rock at smb.

В терминах криптоклассного анализа, на периферии данного криптокласса представлены имена, соответствующие «умопостигаемым сущностям вторичной реальности сознания» (business, data, condition, etc.), которые категоризуются англоязычным сознанием мелко-подобными. По-видимому, объединяющим началом для имен моделирующего ядра и моделируемой периферии криптокласса служат сходства в реализации их сочетательного потенциала.

Объектом криптоклассного анализа стала сочетаемость абстрактных имен с классификаторами криптокласса английского языка «Мелкий предмет», категоризующая функция которых способна указывать на принадлежность имени к данному криптоклассу. Статус классификатора получили 47 классификаторов, репрезентирующих класс значений с ядерным элементом ‘манипуляции с мелким (относительно ладони) предметом, в норме выполняемые руками’ например, to take, to give, etc. Надежность категоризующей функции глаголов проверялась по [Merriam-Webster’s Collegiate, 11th edition, 2003; Soule’s dictionary of English synonyms, 2004; Oxford Collocations dictionary for students of English: Oxford University Press, 2005; ABBYY Lingvo 10, 2004], что предполагало обращение к внутренней форме слова. Например, глагол to bear (носить, нести), который часто ассоциируется с принудительным перемещением предмета, не получил статуса классификатора криптокласса «Мелкий предмет», поскольку его внутренняя форма – ‘выдерживать нагрузку; нести груз, тяжесть’ – вряд ли следует считать когнитивно-валидной для категоризации мелкого предмета. Количественный и качественный состав классификаторов уточнялся по мере заполнения таблицы. Некоторые глаголы (to clutch, heave, hurl, pluck, sling, etc.) и предикатные единицы (to be handmade, handy, manual, portable, etc.), несмотря на соответствие их внутренних форм параметрам классификатора криптокласса «Мелкий предмет», по разным причинам были признаны ненадежными. Так, внутренняя форма глагола to gripe ‘сжать, схватить’, легко восстановимая в этимологических словарях (ср., Old High German grfan to seize), не проявляется в современных значениях глагола. Аналогично, ни в одном из шести источников материала мы не нашли словосочетаний, где бы проявлялась внутренняя форма глагол to resume [from Latin resumere, from re- + sumere to take up, take]. Сомнения в надежности их классифицирующей функции не позволили нам оставить их в списке классификаторов.

В поисках свидетельств замещения именами О-позиции, проецируемой классификаторами рассматриваемого криптокласса нами проверялись все потенциальные пересечения списка классификаторов и списка классифицируемых элементов в самом надежном источнике (British National Corpus, BYU Corpus of American English). Для установления членства имен в криптоклассе «Мелкий предмет» нами было протестировано 28800 потенциальных словосочетаний ста абстрактных имен с сорока семью глагольными классификаторами в двух указанных выше источниках, что дало 39794 контекстов.

CRYPTOTYPE ANALYSIS MATRIX

Данные криптоклассного анализа абстрактных имен английского языка нашли отражение в таблице 1.

Таблица 1. Элемент матрицы криптоклассного анализа.

ПЧ	КЭ	КоличКл	МеПрИм	RI	bring	capture	carry	cast
1736	life	34	72,3%	27,7	1	1	1	0
3870	information	31	66,0%	34,0	1	1	1	0
1310	power	31	66,0%	34,0	1	1	1	0
1312	data	29	61,7%	38,3	1	1	1	0
1343	idea	28	59,6%	40,4	1	1	1	1
1008	business	27	57,4%	42,6	1	1	1	0
3119	sense	24	51,1%	48,9	1	1	1	0
291	authority	23	48,9%	51,1	1	0	1	0
1576	attention	23	48,9%	51,1	1	1	0	0
979	case	23	48,9%	51,1	1	0	1	0
235	colour	23	48,9%	51,1	1	1	1	1
271	energy	23	48,9%	51,1	1	1	1	0
362	knowledge	23	48,9%	51,1	1	0	1	0
568	problem	23	48,9%	51,1	1	0	1	1
1842	opportunity	22	46,8%	53,2	1	0	0	1
2621	action	21	44,7%	55,3	1	1	1	0
557	course	21	44,7%	55,3	1	0	1	0
422	degree	21	44,7%	55,3	1	1	1	0
103	language	21	44,7%	55,3	1	0	1	1
1180	responsibility	21	44,7%	55,3	1	0	1	0
321	agreement	20	42,6%	57,4	1	1	1	1
235	opinion	20	42,6%	57,4	1	0	1	0
2300	advantage	19	40,4%	59,6	1	0	1	0

Формальное описание криптоклассной природы абстрактных имен представлено в таблице (рис.1) следующими характеристиками:

I. Сумма словосочетаний определенного имени со всеми классификаторами криптокласса «Мелкий предмет» соответствует частоте речевых реализаций криптоклассной сочетательной предрасположенности имени (колонка ПЧ (показатель частоты)). Частота коммуникативного обращения имени согласно его криптоклассной функции является показателем криптоклассной активности имени.

Анализ показал, что рекордсменом криптоклассной активности стало имя information (ПЧ 3870 словосочетаний), которое коммуникативно востребовано для выражения смыслов «собирать информацию, получать информацию» и, в особенности, «давать информацию» to collect information (ПЧ 283), to gather information (ПЧ 249), to get information (ПЧ 472), to obtain information (ПЧ 412), to receive information (ПЧ 302), to give information (ПЧ 1073).

Ср., It is an everyday experience; our eyes, ears and noses collect information about distant objects. Similarly I began to gather information about the invertebrates. Owners get information on pet health insurance, kenneling and more advanced training. The research worker should know something about the main ways to obtain information from the library. Police received new information over Kathryn's disappearance nearly two weeks ago. The newsletter gives information about media training courses being offered in the Pacific.

Не менее активным в проявлении криптоклассного статуса мелкого предмета оказалось имя sense (ПЧ 3119), оно обладает особой коммуникативной значимостью при оформлении смысла «делать (сформировать) смысл» to make sense (ПЧ 2629). Следует заметить, что именно такие словосочетания (ПЧ > 600) в англистике называются коллокациями (collocations).

Ср, Whatever your aims, building up a cash reserve for the future always makes sense.

Имя life (ПЧ 1736) коммуникативно востребовано для оформления таких смыслов, как «дать жизнь, отнять жизнь», что отражает особенности мифологического жизневоззрения to give (ПЧ 289), to take life (ПЧ 315), и соответствует представлениям о жизнеустройстве «делать, устраивать жизнь» to make life ( ПЧ 739).

Ср., I believed I could use that electricity to give life to things that were dead. The most likely explanation is that the illness which took his life within ten days of his baptism. This, of course, makes life for aquatic animals extremely difficult.

Особую коммуникативную значимость имя attention (ПЧ 1576) имеет при выражении смыслов «давать внимание, получать внимание» to give attention (ПЧ 624), to receive attention (ПЧ 629).

Удивительно, но имена danger (РечРеализ 28) и crime (РечРеализ 33) не проявляют достаточной криптоклассной активности в замещении О-позиции при 10 классификаторах криптокласса.

Ср., If a large share of output is exported, any major internal expansion carries the danger of periodic over-capacity. At the bottom of the judicial system, magistrate's courts handled petty crime and committed more serious offenders for trial in one of the higher tribunals.

Имя environment (РечРеализ 20) закрывает таблицу, хотя, судя по мере представленности имени (оно сочетается с 6 классификаторами криптокласса), у него большой нереализованный сочетательный потенциал. Ср., Carlo Ripa di Meana, the EC Environment Commissioner, has insisted that a sum (still to be agreed) must be set aside to bring the East's environment up to scratch.

II. В таблице наблюдаются участки повышенной плотности реализации криптоклассной сочетательной предрасположенности имен. Такие участки, выделяемые по вертикали, мы назвали классификационными доминантами. Это глагольные классификаторы (bring, get, give, hold, keep, make, put, take), О-позиция которых заполняется подавляющим большинством рассматриваемых имен, что дает нам право расценивать их сочетательную активность как наиболее надежное свидетельство именного вхождения в криптокласс и как необходимое условие сохранения устойчивости криптоклассной системы.

Так, О-позицию глагола to get замещают 98 из 100 имен. Ср., We’ve got a great competition for you. The first five winners will each receive a fantastic SEGA. She found she could get the attention and praise she wanted only by achieving, being good and caring for that pretty little monster she so resented.

О-позицию глагола to bring замещают 97 из 100 имен. Ср., Dorian Gray’s beautiful face will perhaps bring him danger and trouble. Win Morgan rubbed her face briskly with the towel bringing a spurious colour to her cheeks.

О-позицию глагола to make замещают 95 из 100 имен.Ср., An agreement is made when one person makes an offer to another and that other accepts it. Leigh insists that there is more art being made than there is space to show it.

О-позицию глагола to take замещают 95 из 100 имен.Ср., It was wicked of her to take all the love without paying for it. And she has failed to take action to limit the damage to her family’s image each time scandal has threatened.

О-позицию глагола to give замещаю 94 из 100 имен. Ср., They are that the system of representative democracy gives authority to the legislature to make law. It is fairly easy to see how such a notion might give the behaviour of randomly decaying atoms.

О-позицию глагола to put замещают 94 из 100 имен. О-позицию глагола to keep замещает 81 из 100 имен. О-позицию глагола to hold замещают 80 из 100 имен.

III.

Признавая полевую модель криптокласса, для описания его периферии мы ввели понятие Радиус индекс (RI) имени, которое является численным значением удаленности абстрактного имени от ядра криптокласса. Если расстояние от ядра криптокласса до его условной границы принять за 100, то Радиус-Индекс вычисляется по формуле 100 - МЕПРИМ. (МЕПРИМ) Мера представленности имени в криптоклассе – отношение количества классификаторов, присловные позиции которых замещены рассматриваемым именем, к общему количеству (47) надежных классификаторов данного криптокласса.

Как видно на рисунке 1, имена на периферии криптокласса «Мелкий предмет» распределены относительно равномерно, что, безусловно, говорит об упорядоченности криптоклассных категориза-ционных процессов. На ближайшей периферии, однако, наблюдается определенная дисперсность имен (Ср., RI life –27,7, RI information-34, data-38 и т.д. рис.1). Далее имена сгущаются, т.е. по мере удаления от ядра увеличивается их кучность и величина RI увеличивается равномерно. В промежутке же между (RI от 51,1 до 63,8) включительно, число имен на одинаковом расстоянии от ядра нестабильно и колеблется от одного до семи, в то время как показатели RI более половины исследуемых имен (52%) находятся между RI 66,0 и 76,6, где на одинаковом расстоянии от ядра находятся до одиннадцати имен, таким образом, в данном промежутке формируется Зона Повышенной Плотности имен. За Зоной Повышенной Плотности имен находится дальняя периферия криптокласса.

Лучше всего в криптоклассе представлено имя Life (Радиус индекс имени -27,7), т.е. жизнь лучше других умопостигаемых сущностей категоризуется в англоязычной культуре как мелкий предмет, которым можно легко манипулировать. Ср. How he had overcome all the complex problems of graft-rejection, septicaemia, and so on --; not to mention the central problem of bestowing life. Why aren't you crushing the life out of me? Способность данного имени замещать О-позицию при 34 классификаторах данного криптокласса обеспечивает ему статус элемента ближней периферии криптокласса. Имена дальней периферии криптокласса - duty, justice и failure (RI=81,3), difficulty и education (RI=83,3), environment (RI=87,5).

Рис. 1. Distribution of nouns on the Periphery of Cryptotype “hand-held object”

На наш взгляд, мера представленности имени в криптоклассе – гарант устойчивости системных категоризационных процессов, в то время как частота речевых реализаций – величина относительная и крайне нестабильная, зависящая от факторов коммуникативной востребованости имени (мода, социальный заказ, политическая корректность и др.). Однако в рамках именно этой переменной выявляется сочетательная избирательность имени – показатель стабильности нестабильного.

ЗАКЛЮЧЕНИЕ

Информативность криптоклассного представления знаний об «умопостигаемых сущностях вторичной реальности сознания» может пролить свет на принципы самоорганизации языковой системы и происхождение языка. Обработка табличных данных криптоклассного анализа открывает возможности прогнозирования сочетательной (синтагматической) мобильности имени. Данные криптоклассного анализа на выходе (output data) могут быть использованы в качестве (input data) для создания компьютерной программы, поддерживающей модель криптоклассного хранения знаний, которая будет опираться на выявленные закономерности. Результаты исследования будут иметь прикладное значение при создании информационно-поисковых систем и мониторинга языковой политики; для повышения эффективности языкового образования; базы данных могут использоваться в переводческой деятельности, на их основе можно совершенствовать программное обеспечение машинного перевода. Знание динамики криптоклассной категоризации мира способно дать информацию о состоянии общественного сознания. Сравнение криптоклассных систем разных языков может оказаться дополнительным и весомым аргументом в установлении исторической истины.

ЛИТЕРАТУРА

1. Азарова И.В., Синопальников А.А., Смрж П. (2006). Представление устойчивых лексических сочетаний в компьютерном тезаурусе RussNet. [Online] Available: http:// www.phil.pu.ru/depts/12/RN/
2. Борискина, О.О., Кретов, А.А. (2003). Теория языковой категоризации: национальное языковое сознание сквозь призму криптокласса, – Воронеж: ВГУ, – 211с.
3. Борискина О.О. «Полет мысли» или методика исследования криптоклассов / О.О. Борискина, Н.Е. Васильева, А.А. Кретов. – Воронеж: Вестник ВГУ: Серия лингвистика и межкультурная коммуникация. - 2004, № 1, - С. 61 - 66.
4. Кретов А.А. (1992). Съедобное–несъедобное или криптоклассы русских существительных // Linguistica Silesiana, №14. С.104-114.
5. Кубрякова, Е.С. (2006). В генезисе языка, или размышления об абстрактных именах. Вопросы когнитивной лингвистики, №3, с. 5-14.
6. Морковкин В.В. Семантика и сочетаемость слова/ В.В.Морковкин // сочетаемость слов и вопросы обучения русскому языку иностранцев. Сб. статей под редакцией В.В.Морковкина. - М.: Рус. язык, 1984
7. Durco, P. Collocations in Slovak. (2007). [Online] Available:www.vronk.net/wicol/index.php/
8. Mitrofanova, O., Belik V., Kadina V. (2006). Corpus Analysis of Selectional Preferences in Russian. [Online] Available: http:// www.phil.pu.ru/depts/
9. Whorf B.L. (1956). Language, Thought and reality: Selected Writings of Benjamin Lee Whorf. Cambridge, Mass.: MIT Press.

ENGLISH NOUN CRYPTOTYPE MODELING PARAMETERS ^[78]

Olga Boriskina ^[79], Ludmila Kopeikina ^[80]

.

ABSTRACT

The paper focuses on the modeling parameters of Cryptotype Representation of Knowledge. The study of covert linguistic categories or Cryptotypes (B.Whorf (1956)) can bring into light recurrent word combination regularities. Noun Cryptotype - covert in English, archetype linguistic category, organized on two basic principles: the modeling power of the Cryptotype Core nouns; and ability of the Cryptotype Periphery nouns to imitate the Core nouns cognitive nature, that is, to borrow the Cryptotype Core nouns >

KEYWORDS:

Noun cryptotype analysis, radius index, dominant>

ИСПОЛЬЗОВАНИЕ КОГНИТИВНЫХ ТЕХНОЛОГИЙ В КОМПЬЮТЕРНО-ТРЕНИНГОВЫХ СИСТЕМАХ ДЛЯ ПРОФЕССИОНАЛЬНОЙ ПОДГОТОВКИ КАДРОВ

Сергей Солодов

ВВЕДЕНИЕ

Согласно статистике аварии, первопричиной которых является человеческий фактор в среднем по промышленности, энергетике и в транспорте составляют 65 % от общего числа. Анализ причин ошибочных действий персонала при помощи когнитивного подхода к исследованию человеко-машинных систем, выявил, что около 40 % ошибок происходит из-за неадекватной оценки причины нарушений и неполноты наблюдений за состоянием процесса, т.е. по причине неполноты знаний о качественных характеристиках процесса. К качественным показателям, характеризующим состояние техноло-гического процесса, можно отнести измеряемые и визуально наблюдаемые показатели представляющие в текущий момент качество получаемой продукции и состояние оборудования. Наблюдаемые показатели являются визуально-образными, т.е. воздействующими на интуитивное, образное мышление. Использование подобных графических образов в компьютерных системах привело к возникновению нового направления в проблематике искусственного интеллекта, названного в работе [1] когнитивной (т.е. способствующей познанию) компьютерной графикой. В работах [2, 3] когнитивные аспекты компьютерной графики были исследованы применительно к компьютерным системам учебного назначения, т.е. в системах на основе компьютерных учебников и тестов. В ходе этих исследований подтверждено, что использование в обучающих системах когнитивного подхода повышает эффективность обучения персонала.

Однако проведенный анализ компьютерно-тренинговых систем (КТС) для профессиональной подготовки кадров выявил, что математические модели, реализованные в них, в основном позволяют воздействовать на рационально-логический механизм переработки информации обучаемого.

Поэтому проблему эффективного повышения квалификации производственного персонала можно решить при помощи использования в процессе обучения КТС, созданных на основе новых методов математического моделирования и комплексного информационного представления процесса в виде измеряемых количественных и наблюдаемых качественных показателей.

1. ПОСТАНОВКА ЗАДАЧИ СИНТЕЗА МЕТОДИКИ КОГНИТИВНОГО МОДЕЛИРОВАНИЯ

Изложенные выше факты позволяют сделать вывод о том, что качественная информация, характеризующая протекание техноло-гического процесса, должна представляться в КТС не только в числовом и лингвистическом виде, но и визуально в виде когнитивных графических образов, являющихся средством передачи обучаемому знаний о качественных характеристиках объекта.

Назовем когнитивным моделированием технологического процесса математическое описание, позволяющее моделировать полное информационное пространство управления, интегрирующее всю дос­тупную эксплуатационному и оперативному персоналу информацию (как количественную, так и качественную), и полное пространство производственных ситуаций, включающее в себя штатные, нештатные и аварийные ситуации. Создание методики когнитивного моделирования технологических процессов и разработка с ее использованием КТС позволит повысить эффективность обучения и квалификацию кадров предприятий.

Постановку задачи разработки класса когнитивных матема­тических моделей для КТС можно сформулировать следующим образом: на основе разнородного информационного пространства сложного технологического процесса I=I1I2I3, ситуационного пространства S=S1S2S3, и множества дефектов D={D1, D2, …, DK}, получаемых при производстве продукции, требуется разрабо­тать набор математических описаний процессов дефектообразования, использующих разнородную информацию , и класс ситуационных моделей G, описывающих переходы между штатными, нештатными режимами и аварийными ситуациями, где I1 – множество измеряемых показателей; I2 - множество наблюдаемых показателей; I3 - множество данных протокольной информации; S1, S2, S3 – множество штатных, нештатных и аварийных ситуаций процесса; M- матема-тическое описание полного комплекса моделей оценки качества продукции; Mi - математическая модель i-ой структуры для оценива­ния качества продукции или состояния оборудования; n – общее число типовых математических моделей; G – ситуационная модель, описы­вающая переходы между штатными, нештатными режимами и ава­рийными ситуациями.

2. ФОРМАЛИЗАЦИЯ ИНФОРМАЦИИ

Для создания когнитивных моделей необходимо использовать все виды информации, характеризующие процесс, а именно: 1) показания датчиков; 2)информация об испытаниях продукта, поступающая из лабораторий; 3) экспертные оценки. Если первый и второй вид информации можно представить в виде аналитических и эмпирических моделей, то информация, поступающая от экспертов, является качественной. Экспертная информация может быть следующих видов: вербальная, описанная понятиями профессионального языка и графическая (визуальные образы свойств и качеств протекающего процесса, оборудования, продукта).

Задачу экспертной классификации для составления шкалы визуальных образов можно сформулировать следующим образом [4]: каждому элементу множества D={D1, D2, …, DK} независимых визуально определяемых свойств объекта сопоставляется множество Vk={Vk1, Vk2,…, VkN} возможных значений k- го признака, каждый из элементов которого представляет собой графическое изображение на балльной шкале. Визуальные показатели качества продукции и состояния оборудования описываются кортежем вида: Dk = < «тип показателя», «степень развития показателя» >.

3. РАЗРАБОТКА ТИПОВЫХ КОГНИТИВНЫХ МОДЕЛЕЙ

Так как при управлении технологическим процессом одновременно используется разнородная информация (точечные замеры значений параметров, ста­тистические законы распределения для отдельных величин, лингвистические критерии и ограничения, полученные от специалистов-экспертов и т.д.), то структуру когнитивного математического описания сложного технологического процесса для КТС необходимо представлять как совокупность математи­ческих описаний:

,

где M - когнитивное математическое описание технологического процесса; , - математические описания для моделирования информационного пространства в виде экспертных, аналитических и эмпирических моделей; Gl - ситуационная модель процесса; N, J, K, L – общее число моделей. Для моделирования качественных показателей в виде когнитивных образов предлагается использовать экспертные модели, а также их комбинации с аналитическими и эмпирическими моделями.

Для представления измеряемой в ходе процесса информации и описания влияния динамических характеристик протекающих процес­сов на качество продукции разработана структура аналитико-экспертной модели. В аналитическом сегменте рассчитывается управляемые технологические параметры. Нечеткий сегмент аналитико-экспертной модели представляет собой систему для расчета веса дефекта и строится на основе когнитивных представлений персонала о влиянии на качество продукции отклонений техно-логических параметров от нормы.

Для моделирования косвенно вычисляемой информации, характеризующей состояние не полностью наблюдаемого технологического процесса и описания ее взаимосвязи с качеством продукции, разработана структура эмпирико-продукционной модели. В эмпирическом сегменте модели рассчитывается переменные состояния не полностью наблюдаемого объекта. Переменные состояния являются исходными данными для оценивания качества продукта и состояния оборудования в продукционном сегменте эмпи­рико-продукционной модели. Продукционный сегмент модели строится на основе статистической информации о взаимосвязи кос­венно вычисляемых параметров процесса с качеством продукции и состоянием оборудования.

Кроме комбинированных аналитико-экспертных и эмпирико-продукционных моделей для прогнозирования визуально-образных показателей качества продукции используется ряд экспертных и продукционных моделей.

При составлении ситуационных моделей полному ситуационному пространству исследуемого объекта сопоставляется структура, представляемая в виде графа, каждая вершина которого характеризует определенную технологическую ситуацию. Таким образом, процесс составления ситуационной модели сводится к построению полного графа первопричин для каждой ситуации на основании анализа про­цесса. В общем виде граф первопричин аварийных и нештатных ситуаций представлен на рисунке 1.

Рисунок 1. Граф первопричин нештатных и аварийных ситуаций

Граф составляется исходя из принципов, что каждой ава­рийной ситуации предшествует либо штатная, либо нештатная ситуация, а пе­реходу в новое состояние способствуют действия персонала по настройке оборудо­вания либо управлению процессом. Для каждого состояния объекта существует набор посылок , описывающих вероятность набора заключений , т.е. переходов из j-го состояния в другое и вероятность того, что объект останется в том же состоянии:. Эксперты определяют лингвистическую пе­ременную «вероятность перехода» на области определения XS=[0;1]. Переходу объекта в следующее состояние соответствует лингвис­ти­ческая переменная с максимальным значением вероятности пере­хода .

ЗАКЛЮЧЕНИЕ

Методика когнитивного моделирования была применена для синтеза математического обеспечения КТС подготовки кадров металлургических предприятий. Использова­ние КТС [5-8], разработан­ных на базе данной методики, в цеховых и заводских структурах по­вышения квалификации персонала позволило в 1,5-2,0 раза сократить время на приобретение профессиональных знаний, а также значительно снизить коли­чество брака и число аварийных ситуаций.

СПИСОК ЛИТЕРАТУРЫ

1. Зенкин, А.А. Когнитивная компьютерная графика/ А.А. Зенкин; под ред. Д.А. Поспелова. М.: Наука, 1991. – 192 с.
2. Соловов, А.В. Проектирование компьютерных систем учебного назначения: учебное пособие / А.В. Соловов. – Самара: СГАУ, 1995 - 138 с.
3. Соловов, А.В. Когнитивная компьютерная графика в инженерной подготовке / А.В. Соловов // Журнал "Высшее образование в России". – 1998. - № 2. - с. 90-96.
4. Косарев В.А., Солодов С.В. О формализации лингвистической неопределенности профессиональных знаний эксплуатационно-технологическкого персонала сложных металлургических процессов // В сб. трудов «Обработка текста и когнитивные технологии» / Варна - 2005. - № 11. - c. 109-114.
5. Косарев В.А. (РФ), Солодов С.В. (РФ), Лопатин В.Ю. (Узбеки­стан) и др. Интерактивная обучающая среда «Стан 5000»: свиде­тельство об официальной регистрации программы для ЭВМ №2007610263 / заявитель и правообладатель ГОУ ВПО МИСиС; заявл. 14.11.2006; зарег. 12.01.2007.
6. Косарев В.А. (РФ), Солодов С.В. (РФ), Лопатин В.Ю. (Узбеки­стан) и др. Интерактивная обучающая среда «Стан 1700 ПХЛ»: свиде­тельство об офици­альной регистрации программы для ЭВМ №2007613245 / заявитель и правооб­ладатель ГОУ ВПО МИСиС; Заявл. 26.04.2007; зарег. 1.08.2007.
7. Косарев В.А. (РФ), Солодов С.В. (РФ), Лопатин В.Ю. (Узбеки­стан) и др. Интерактивная обучающая среда «Стан 450»: свидетельство об официальной регистрации программы для ЭВМ №2007613246 / зая­витель и правообладатель ГОУ ВПО МИСиС; заявл. 26.04.2007; зарег. 1.08.2007.
8. Косарев В.А. (РФ), Солодов С.В. (РФ), Медведев П.М. (РФ) и др. Интерактивная обучающая среда «Непрерывная разливка слябовых заготовок»: свиде­тельство об официальной регистрации программы для ЭВМ №2007613754 / заявитель и правообладатель ФГОУ ВПО «ГТУ МИСиС»; зарег. 16.11.2007.

USAGE OF COGNITIVE TECHNOLOGIES IN COMPUTER TRAINING SYSTEMS FOR ADVANCED TRAINING OF PERSONNEL ^[81]

Sergey Solodov ^[82]

ABSTRACT

The article is devoted to cognitive modeling technique, which can be applied to the synthesis of simulation model of technological process for computer training systems used for metallurgic plant personnel training. The most part of computer training systems model only quantitative information about process, which is processed by left hemisphere. On the contrary from most of the computer training systems models, cognitive modeling technique allows to model not only numeric information but complex formal visual figural information which affects right hemisphere and defines state of technological process. It allows to raise effectiveness of personnel training, reach minimal production defects and decrease the number of emergency situations.

KEYWORDS:

Cognitive technologies, cognitive graphics, computer training system, cognitive modeling technique.

---

^[1] http://www.poisknews.ru/?newsid=3280

^[2] Б.М.Величковский, В.Д.Соловьев «Введение и предваряющие комментарии. Компьютеры, мозг, познание: успехи когнитивных наук. – М.: Наука, 2008, стр.6.

^[3] По нашему мнению, биологическая клетка представляет собой второй, не менее важный, чем мозг, «орган управления», так как биохимические процессы на клеточном уровне определяют интенсивность перцепций и эмоций, скорость и характер проявления реакций на различные стимулы и угрозы. Роль клетки в бессознательной сфере нельзя недооценивать.

^[4] Третья международная конференция этой серии с огромным успехом состоялась 20-25 июня 2008 года в Москве. Материалы конференции доступны на сайте: в www.cogsci.ru

^[5] Работа выполнена по программе фундаментальных исследований № 148012 Министерства науки Республики Сербии.

^[6] Мы провели исследование в поисковых системах Google, Yandex, Rambler и Yahoo.

^[7] The British National Corpus, http://www.natcorp.ox.ac.uk

^[8] © Jovan Ajdukovich, 2008

9 The International Online Journal «Balkan Rusistics», Serbia, [email protected]

^[10] © Rumyana Todorova, 2008

^[11] Konstantin Preslavsky University of Shumen, English Department, Bulgaria, [email protected]

^[12] © Maribel Fehlmann, 2008

^[13] University of Lausanne, General Linguistics, Switzerland, [email protected]

14 For an excellent example of how metaphoric representations can be investigated and made use of, see Santa Ana (1999).

^[15] See for instance the examples provided by Lakoff on http://cogsci.berkeley.edu/lakoff/metaphors/ for the words are weapons metaphor : ‘She used some sharp words – That was pretty cutting language – He was bombarded by insults,’ etc., or Ltoublon (1999) for gr. epea pteroenta, in the same source domain, but a testimony millenia old...

^[16] Here also, gr. epea pteroenta, for instance (Ltoublon (1999)), would be a good candidate.

^[17] Ontological metaphors are those that allow non physical things to be treated like substances.

^[18] The numbers after the excerpts refer to the interviewee’s number as per Table 1, p. 2.

^[19] This could be a consequence of the fact that objects cannot possibly be granted agency.

^[20] © Iryna Brovchenko, 2008

21 Cherkasy National University, Department of Romance and Germanic Philology, Ukraine, [email protected]

^[22] Подробнее о классификации компонентов коннотации см. (Сторожева, 2007).

^[23] О термине и понятии «региолект» см. подробнее (Герд, 2001; Ерофеева, 2005).

24 О микро- и макроидиомах, а также о статусе просторечия в современном русском языке см. подробнее (Ерофеева, 2005).

^[25] © Yelena Yerofeyeva, Yekaterina Storozheva, 2008

^[26] Perm, Perm State University, Department of General and Slavic Linguistics, Russia, [email protected].

^[27] Perm, Perm State University, Department of General and Slavic Linguistics, Russia, [email protected]

^[28] (Работа выполнена при поддержке гранта Президента РФ «Молодой кандидат – 2007» № МК – 1327.2007.6)

^[29] © Anastasia Sokolova, 2008

^[30] State university of Tyumen, Department of Russian Language, Russia, [email protected]

31 Показаны связи между синонимами. Синонимы, зафиксированными словарями синонимов, показаны зеленым. Выделились 2 изолированных кластера.

32 В качестве доминанты выделилось слово asperity (резкость).

^[33] © Serge Potemkin, 2008

^[34] Moscow State University, Philological Faculty, Russia, [email protected]

^[35] © Ekaterina Vasyukova, 2008

^[36] Moscow State University, Department of Psychology, Russia, [email protected]

^[37] © Alla Belousova, 2008

^[38] South Federal University, Teaching Institute, epartment of psycology and learning, Russia, [email protected]

^[39] Здесь и далее жирным курсивом выделена предложенная испытуемым вставка.

^[40] The research was supported by grant No. 06-06-80152 from Russian Foundation for Basic Research

^[41] © Tatiana Petrova, Maria Gutman, 2008

42 St.Petersburg State University, Philological Faculty, Department of Russian as a Foreign Language, Russia, [email protected]

^[43] St.Petersburg State University, Philological Faculty, Department of General Linguistics, Russia, [email protected]

^[44] Исследование осуществлено при поддержке гранта РГНФ №08-04-00165a.

^[45] © Andrej Kibrik, 2008

^[46] Institute of Linguistics, RAS, Russia, [email protected]

^[47] © Veran Stanojevic & Tijana Asic, 2008

^[48] Faculty of Philology, Department of French, Serbia, [email protected]

^[49] Faculty of Philology and Arts, Department of French, Serbia, [email protected]

50 Topicalisation is a way of marking what the topic of a sentence is (what a sentence is about). Hence in the example 2 given above, the topic is poklon (gift) and the focus (new information) is dva ucenika (two pupils). The proof for this is that the example 2 cannot function as an answer to the question “What did two pupils bought(buy) to her?”, but only as the answer to the question “Who bought a present to her?”

51 However it should be emphasized (Corblin, personal communication) that this is only valid for numerals. With universal quantifiers such as svaki (every) it is, in spite of the fronting, impossible to get the collective interpretation. Hence, the following sentence (Poklon joj je kupio svaki ucenik / Every pupil bought a present to her) implies that every pupul bought her a separate present.

^[52] Since this is a universal property valid for any language we will give the examples in English in order to make the text more comprehensible for our readers.

^[53] This can be proved with the question-type tests: * Ko je kupio po poklon? / Who bought po presents? (unacceptable question form because it contains po) And Sta su dva ucenika kupila? /What did two pupils buyt? (a test for focus – the answer to this question cannot be po poklon).

^[54] The mechanism of selective binding explains for instance how the meaning of the adjective big changes according to the meaning of a noun it modifies (big car, big girl, big actress, big problem). If we adopt this approach we can say that the meaning of zajedno changes according to the meaning of a predicate. Namely, with transitive verbs it usually favours the collective interpretation, while with non-transitive it designates a specific type of spatio-temporal coincidence.

^[55] The same is true for poroditi se in Serbian and that makes the example 21 acceptable.

^[56] This research was funded by the Research Committee of the University of Athens (ELKE).

^[57] © Spyros Hoidas, Maria Galani, 2008

58 University of Athens, School Of Philosophy, Department of English Language and Literature, Greece, [email protected]

^[59] Greece, [email protected]

^[60] In dealing with binomials Malkiel (1959) observes that it is helpful to agree on a set of symbols. We borrow A, which stands for the first, and B which stands for the second, member of a binomial.

^[61] The -na- syllable may be dropped as an iconicity effect of meaning on form.

^[62] This could be taken as a prototypical case which characterizes the whole category.

63 © Zoya Konnova Olga Timakina, 2008

^[64] Tula State University,Foreign Languages Department, Russia, [email protected]

^[65] Tula State University,Foreign Languages Department, Russia, [email protected]

^[66] © Velina Slavova, Alona Soschen, 2008

^[67] New Bulgarian University, Department of Computer Science, Bulgaria, [email protected]

^[68] Massachusetts Institute of Technology, Department of Linguistics and Philosophy, [email protected]

^[69] Bulgarian is the only Slavic language which has undergone a transition from synthetic to analytical language and has replaced the old flexions by prepositions and articles.

^[70] Institut de la Francophonie pour l’Administration et la Gestion - Sofia

^[71] The word order in Bulgarian is flexible and the fact that the statements are in canonic word-order S-V-O is not a sufficient condition to assign to X the role of Subject.

^[72] Only 4 subjects, native Bulgarian speakers, became aware that a given sentence has 2 meanings. Some of these subjects noticed the double meaning of one of the statements, but not of the other.

^[73] © Omar Larouk, 2008

^[74] cole Nationale Suprieure des Sciences de l'Information et des Bibliothques, ENSSIB- ELICO- University of Lyon,, France, [email protected]

^[75] © Vladislav Bushtedt, Vladimir Polyakov, 2008

^[76] Moscow institute of steel and alloys (Technological University)- MISA, Russia, [email protected]

^[77] Institute of Linguistics of RAS, Moscow State Linguistic University, MISA, Russia, [email protected]

^[78] © Olga Boriskina, Ludmila Kopeikina, 2008

^[79] Voronezh State University (VSU), Faculty of Romance and Germanic Philology, Russia, [email protected]

80 VSU, Faculty of RGPh, Russia

^[81] © Sergey Solodov, 2008

^[82] Moscow institute of steel and alloys (Technological University), Chair of automated control systems, Russia, [email protected]