Введение
Глава 1. Обзор методов для моделирования синтаксической структуры предложения и математическая формализация процедуры синтаксического разбора 11
1.1. Методы моделирования при анализе текстов 11
1.2. Нейросетевые методы и средства машинного обучения в рамках DDM подхода
1.2.1. Многослойный персептрон (Multilayer Perceptron – MLP) 15
1.2.2. Машина опорных векторов (Support Vector Machine – SVM) 17
1.2.3. Вероятностные сети (Probability Neural Network) 18
1.2.4. Модульные сети (Modulars Network) 18
1.2.5. Сети LSTM 19
1.2.6. Нейронные сети RAAM и SRN 20
1.2.7. Нейронная сеть Кохонена (SOM) 23
1.2.8. Сети растущего нейронного дерева. 23
1.2.9. Анализ с использованием вероятностных КС грамматик 24
1.2.10. Линейные модели на основе метода градиентного спуска (Stochastic Gradient Descent) 30
1.2.11. Методы выбора класса при анализе методами независимых экспертов
1.3. Математическая формализация лингвистической процедуры синтаксического разбора 32
1.4. Выводы к главе 1 37
Глава 2. STRONG Исследование вероятностных и нейросетевых методов для решения задачи
установления синтаксических отношений и формирования дерева разбора STRONG 38
2.1. Исследование применения формальных нейронных сетей для установления синтаксических отношений по морфологическим признакам. 38
2.2. Исследование применения реалистичных моделей спайковых сетей для установления синтаксических отношений 43
2.2.1. Моделирование спайковой нейронной сети 44
2.3. Исследование применения вероятностной контекстно-свободной грамматики для формирования дерева синтаксического разбора 47
2.3.1. Создание КС-грамматики 47
2.3.2. Определение вероятностей для правил грамматики 50
2.3.3. Построение разборщика предложений в заданной грамматике
2.4. Апробация метода построения дерева синтаксического разбора на основе вероятностных КС-грамматик 55
2.5. Выводы к главе 2 56
Глава 3. Выбор параметров для формирования дерева синтаксического разбора с минимальной неоднозначностью 57
3.1. Используемые средства и методы 57
3.1.1. Метод оценки неоднозначности в определении синтаксического отношения с выделенным набором признаков 59
3.1.2. Численный метод оценки достижимой точности синтаксического разбора
3.2. Выделение набора признаков для определения синтаксических отношений с минимальной неоднозначностью 62
3.3. Оценка процедуры синтаксического разбора на основе списков объектов, составленных с использованием НК, и процедуры нормализации. 65
3.4. Выводы к главе 3 66
Глава 4 Разработка метода математического моделирования синтаксической структуры предложения и алгоритма проверки адекватности математической модели синтаксической структуры предложения русского языка 67
4.1. Экстракция высокоуровневых признаков слов (потенциальных СинтО и корня) предложения по исходным морфологическим признакам 67
4.2. Установление синтаксических отношений в предложениях НК на основе выбранного в главе 3 набора параметров
4.2.1. Подход на основе перебора комбинаций пар слов предложения 69
4.2.2. Подход на основе инкрементальной схемы разбора
4.3. Метод математического моделирования синтаксической структуры предложения 78
4.4. Проверка адекватности созданной математической модели 79
4.4.1. Алгоритм проверки адекватности математической модели 79
4.4.2. Программное обеспечение для проверки адекватности математической
модели синтаксической структуры предложения 81
4.5. Результаты проверки адекватности модели синтаксической структуры предложения русского языка 84
4.6. Выводы к главе 4 85
Заключение 86
Список сокращений и условных обозначений 87
Литература 88
