Настоящая статья посвящена описанию модели построения семантической сети научного текста на основе использования знаний онтологии предметной области. Система построения семантической сети научного текста состоит из модуля лексического и морфологического анализа, модуля выделения терминов и отношений, модуля вычисления весовых коэффициентов и модуля визуализации семантической сети. Модуль лексического и морфологического анализа разбивает весь входной поток предложений текста на лексемы и определяет их морфологические характеристики. Модуль выделения терминов и отношений вначале формирует на основе полученных лексем список терминов, а затем выполняет поиск функциональных и нефункциональных отношений между ними. Функциональные отношения определяются на основе анализа взаимного расположения терминов в пределах одного предложения. Для определения нефункциональных отношений терминам текста сопоставляются фреймы онтологии, а затем производится поиск связи между фреймами в самой онтологии. На основе частотных характеристик, а также места расположения терминов в тексте происходит вычисление весовых коэффициентов для терминов и отношений. На последнем шаге на основе всей полученной информации формируется взвешенный граф, вершинам которого соответствуют термины, дугам – отношения.
This paper is devoted to description the model of a scientific text semantic network construction on the basis of using a domain ontology knowledge. The system of a scientific text semantic network construction consists of a module for lexical and morphological analysis, a module for identification the terms and relationships, a module for calculating the weight coefficients, and a module for visualizing the semantic network. The module for lexical and morphological analysis divides the input stream of text sentences into lexemes and determines their morphological characteristics. The module for identification the terms and relationships, in the first place, forms a list of terms based on the obtained lexemes, and then search a functional and non-functional relations between them. The functional relations are determined after analysis of the relative disposition of terms in the one sentence. The frames of ontology are compared a text terms for the determination of the non-functional relations. Then the relations between the frames of ontology are found. Based on the frequency characteristics, as well as on the location of terms in the text, the weight coefficients of the terms and relations are calculated. At the last step, the weighted graph is formed on the basis of an all received information. In graph nodes correspond to terms and arcs – to relations.
1. Бессмертный И.А. Визуализация знаний на основе семантической сети / И.А. Бессмертный // Программирование. – 2010. – № 4. – С. 16–24.
2. Аюшеева Н.Н., Диких А.Ю. Технология построения семантической сети научного текста на основе анализа онтологии предметной области // Знания – онтологии – теории: материалы VI Всероссийской научно-технической конференции с международным участием. – Новосибирск: Изд-во ИМ СО РАН, 2017. – С. 38–46.
3. Аюшеева Н.Н., Гомбожапова Т.Н., Диких А.Ю. Определение содержательно-смыслового блока терминов и отношений научного текста // Теоретические и прикладные вопросы современных информационных технологий: материалы XII Всероссийской научно-технической конференции. – Улан-Удэ: Изд-во ВСГУТУ, 2015. – С. 88–95.
4. Выдрин Д.В., Поляков В.Н. Реализация электронного словаря с использованием n-грамм // Искусственный интеллект. – 2002. – № 4. – С. 180–183.
5. Найханова Л.В. Технология создания методов автоматического построения онтологий с применением генетического и автоматного программирования: монография. – Улан-Удэ: Изд-во ВСГУТУ, 2013. – 268 с.
6. Лукашевич Н.В. Тезаурусы в задачах информационного поиска / Н.В. Лукашевич. – М.: Изд-во МГУ, 2011. – 89 с.
7. Балацкий Е.В. Методы диагностики социального самочувствия населения / Е.В. Балацкий // Мониторинг общественного мнения. – 2005. – № 3 (75). – С. 47–53.