Найти

Результаты поиска

• СТАТИСТИЧЕСКИЕ И МАШИННЫЕ МЕТОДЫ АВТОМАТИЧЕСКОГО ИЗВЛЕЧЕНИЯ ПРИЧИННО-СЛЕДСТВЕННЫХ СВЯЗЕЙ ИЗ ТЕКСТА (ОБЗОР)

  Х.Б. Штанчаев

  2024-01-05

  Аннотация ▼

  Для решения задачи автоматического извлечения причинно-следственных связей
  (ПСС) до 2000-х годов использовалась концепция нестатистических методов. Данные ме-
  тоды использовали построенные вручную лингвистические шаблоны. Очевидно, что ПСС,
  которые не подходили в построенные шаблоны, могли быть не определены. Нестатисти-
  ческие методы требовали постоянного ручного контроля со стороны экспертов, вплоть
  до оценки. Практически все методы были направлены на извлечение явных ПСС.
  В некоторых методах были использованы попытки отвязать систему извлечения от кон-
  кретной предметной области. Для исключения вышеупомянутых недостатков, разраба-
  тываемые в дальнейшем методы начали смещаться в сторону обработки статистиче-
  ских данных и машинного обучения. Был проанализирован целый ряд ценных работ, связан-
  ных с новой парадигмой извлечения ПСС. Целью исследования было оценить новые методы
  с возможностью выявить их преимущества и недостатки. Большим преимуществом ма-
  шинных и статистических методов является независимость от предметной области с
  сохранением точности извлечения. Такие методы хуже по точности, однако не привязаны
  к конкретной проблемной области. Сами методы в отличие от нестатистических, кото-
  рые использовали лингвистическое и синтаксическое сравнение с шаблонами вручную, со-
  средоточены на поиске этих самых шаблонов. Несмотря на то, что машинные и стати-
  стические методы в своем большинстве являются независимыми от предметной области
  и для обучения используют большие корпуса текста они предназначены преимущественно
  для английского языка. Так же отсутствует стандартизированный набор данных, кото-
  рый позволил бы сравнить методы между собой. Все работы, посвященные методам, про-
  игнорировали извлечение неявных ПСС.

• НЕСТАТИСТИЧЕСКИЕ МЕТОДЫ АВТОМАТИЧЕСКОГО ИЗВЛЕЧЕНИЯ ПРИЧИННО-СЛЕДСТВЕННЫХ СВЯЗЕЙ ИЗ ТЕКСТА

  Х. Б. Штанчаев

  2023-06-07

  Аннотация ▼

  Автоматическое извлечение причинно-следственных связей (ПСС) из текстов есте-
  ственного языка является сложной проблемой искусственного интеллекта. Большинство
  первых попыток ее решения подразумевали использование, построенных вручную лингвис-
  тических и синтаксических правил на небольших наборах данных. Однако с появлением
  больших данных, доступной вычислительной мощности и с большим скачком в области
  машинного обучения, концепция решения данной проблемы постепенно сдвинулась. В дан-
  ной статье рассмотрена парадигма нестатистического подхода к извлечению причинно-
  следственных связей, ее основа, языковые конструкции, шаблоны и классификация ПСС.
  Целью стало исследование методов данной парадигмы определение их недостатков, пре-
  имуществ и возможности их применения. В статье рассмотрены различные подходы, при-
  веденные авторами достаточно известных и высоко цитируемых исследовательских ра-
  бот и их влияние на успешность извлечения причинно-следственных связей. Анализ этих
  научных работ однозначно подтвердил, что задача извлечения ПСС является крайне
  сложной задачей обработки естественного языка. Наличие разнообразных лингвистиче-
  ских конструкций языка, двусмысленности различного рода, а также языковые особенно-
  сти очень сильно влияют на точность извлечения ПСС. Почти все нестатистические ме-
  тоды столкнулись с проблемой узкоспециализированных областей знаний, где почти всегда
  требуется экспертное описание. Так же практически все нестатистические методы яв-
  ляются ручными или же полуавтоматическими, т. к. предполагают построение шаблонов
  для определения ПСС в тексте. Несмотря на то, что нестатические методы с достаточ-
  ной точностью (в среднем 70–80%) успешно справляются с рассматриваемой задачей, на
  сегодняшний день отсутствует универсальный метод для извлечения ПСС. Предполагае-
  мый метод должен быть универсальным относительно языков, универсальным относи-
  тельно предметных областей и с возможностью определения неявных ПСС.