Найханова Л.С. Методы и алгоритмы трансляции естественно-языковых запросов к базе данных в SQL запросы

Подождите немного. Документ загружается.

- вершина

′

g имеет значение x

- P

(

′

g , x

);

- вершина

′

имеет векторов

- P

par

(η

, t(z

, y

), t(z

, y

), t(z

, y

));

- вершина

′

g имеет векторов

i+1

- P

par

(η

, t(z

, y

), t(z

, y

), t(z

, y

));

- x

эквивалентно x

- P

, x

Тогда исходное состояние d

будет задаваться парой вершин

Ggg

′

∈

′′

соответствующих им векторов

i+1

= P

(

′

, x

) ∧ P

(

′

g , x

) ∧ P

par

(η

, t(z

, y

), t(z

, y

), t(z

, y

)) ∧ P

par

(η

, t(z

), t(z

, y

), t(z

, y

)).

(3.17)

А элементы продукции записываются в виде pr

= P

(

′

, x

)

∧

(

′

g , x

)

∧

par

(η

, t(z

, y

), t(z

, y

), t(z

, y

)) ∧ P

par

(η

, t(z

, y

), t(z

, y

), t(z

, y

)) ∧ P

, x

) ↔ P

, y

)∧P

, y

)∧P

, y

);

= elim[

′

Дальнейшее преобразование графа

′

в граф

заключается в переименовании

терминов логической модели данных, расположенных в оставшихся вершинах

′

∈

′

, на

термины физической модели данных. При этом каждой вершине

∈ приписывается

вектор

=<x

, x

>, где:

– тип вершины: 1- таблица, 2 – столбец, 3 – оператор; 4 - значение;

– идентификатор таблицы, если x

=2 или 4, в противном случае null;

- идентификатор столбца, если x

=4, в противном случае null;

- null или 1 - признак добавленной вершины;

- вид связи: 1 – связь «таблица – таблица», 2 – связь «атрибут – значение», 3 – связь

«атрибут – логическая операция – значение», 4 – связь «вычислительная процедура –

атрибут», 5 – связь «атрибут – атрибут», 6 – связь «таблица – атрибут».

Признак добавленной вершины x

и вид связи x

вектора

заполняются в процессе

анализа пары смежных вершин на тип взаимосвязи при построении операторов SQL

(раздел 3.3).

Для построения графа

необходимо сформировать множество предикатов

которое включает в себя подмножество предикатов перевода

, основу которого

составляют предикаты физической модели данных, входящие во вторую группу знаний

метаописания базы данных и условие применимости q

∈pr

Г =

∧

={),,(

trs

tyxP }∧{),),,...,((

trks

tyxxtP } ∧q

(3.18)

Доказательство осуществляется аналогично доказательству предыдущих гипотез, а d

задается в виде:

= ( ),,(

tris

tyxP ∨ ),),((

tris

tyxtP )∧ P

par

(η

, t(z

, y

), t(z

, y

), t(z

, y

)).

(3.19)

При доказательстве данной гипотезы необходимо рассмотреть четыре ситуации.

Первая ситуация касается случая, когда вершина

′

является сущностью, а вторая – когда

вершина

′

является атрибутом логической модели данных, третья – когда вершина

′

является оператором и четвертая – когда вершина

′

является значением базы данных.

Первая ситуация. Вершина

′

является сущностью, и ее можно заменить на

соответствующий термин физической модели данных с вектором

=<x

, x

тогда и только тогда, когда имеет место закономерность, описываемая конъюнкцией

следующих фактов:

- вершина

′

имеет вектор η

- P

par

(η

, t(z

, y

), t(z

, y

), t(z

, y

));

- z

имеет значение «2» - P

, 2).

Тогда элементы продукции pr

записываются в виде:

= P

par

(η

, t(z

, y

), t(z

, y

), t(z

, y

))

∧

, 2) ↔ ),,

(

tris

tygP ∧ P

par

(τ

, t(x

, y

), t(x

, y

), t(x

, Null), t(x

, Null));

= add[(

′

, y) ∧ P

par

(τ

, t(x

, 1), t(x

, Null), t(x

, Null) , t(x

, Null))].

Второй ситуации соответствует продукция pr

=<q

, r

>, где

= P

par

(η

, t(z

, y

), t(z

, y

), t(z

, y

))

∧

, 1)

∧

(

′

), y

, f

) ↔ ),,

(

tris

tygP

∧ P

par

(τ

, t(x

,), t(x

, y

), t(x

, y

), t(x

, Null) , t(x

, Null)), где P

(

′

), y

, f

) –

функциональный предикат, в котором f

– ссылка на процедуру F

, возвращающую в

переменной y

– имя таблицы атрибута

′

;

= add[(

′

, y) ∧ P

par

(τ

, t(x

, 2), t(x

, y

), t(x

, Null), t(x

, Null) , t(x

, Null))].

Третьей ситуации соответствует продукция pr

=<q

, r

>, где

= P

par

(η

, t(z

, y

), t(z

, y

), t(z

, y

))

∧

, 3)∨ P

, 4)∨ P

, 5)) ↔ P

par

(τ

, t(x

), t(x

, y

), t(x

, y

), t(x

, Null) , t(x

, Null));

= add[P

par

(τ

, t(x

, 3), t(x

, Null), t(x

, Null) , t(x

, Null))].

Четвертой ситуации соответствует продукция pr

=<q

, r

>, где

= P

par

(η

, t(z

, y

), t(z

, y

), t(z

, y

))

∧

, 6)

∧

(

′

), y

, f

) ∧ P

), y

) ↔ P

par

(τ

, t(x

, y

), t(x

, y

), t(x

, y

), t(x

, Null) , t(x

, Null)), где P

(

′

), y

, f

) –

функциональный предикат, в котором f

– ссылка на процедуру F

, возвращающую в

переменной y – понятие, расположенное в предыдущей вершине

−

′

g ;

= add[P

par

(τ

, t(x

, 4), t(x

, y

), t(x

, y

), t(x

, Null) , t(x

, Null))].

Выполнение данных продукций позволит сформировать граф зависимостей

вершины которого являются терминами физической модели данных.

3.3. Формирование SQL-запроса или построение преобразования

Для построения Ψ

необходимо выполнить преобразования: QGG →→

′′

′

, где

- граф зависимостей в терминах физической модели данных, G - граф SQL-запроса, Q -

SQL-запрос в виде команды SELECT.

Представление решения задачи как анализ возможных ситуаций предполагает

построение и доказательство гипотез о том, какие ситуации могут быть описаны графом

Полнота множества гипотез определяется сложностью связей вершин (таблиц,

расположенных в вершинах графа) между собой. Сложность связей вершин зависит от

взаимосвязей таблиц в модели данных. Таким образом, мы имеем граф

, отображающий

запрос пользователя, к каждой вершине которого приписан вектор

, а также граф

отображающий модель данных. Граф

задан множеством вершин g

и множеством дуг

{(

Ggg

∈

}. Граф

задан множеством предикатов

par

, описывающих физическую

модель данных. Тогда необходимо рассмотреть две гипотезы, связанные с типом

взаимосвязи пары смежных вершин графа

и соответствующих вершин графа Е:

- прямая связь, когда паре смежных вершин графа

соответствуют смежные

вершины графа Е;

- непрямая связь, когда паре смежных вершин графа

соответствуют несмежные

вершины графа Е.

Гипотеза первая «Прямые связи вершин графа Е». Здесь необходимо рассмотреть три

ситуации, зависящие от комбинации типов вершин. Будем считать, что первая ситуация

касается случая, когда вершинами графа

могут быть только идентификаторы таблиц.

При этом связь всех пар смежных вершин прямая и отображается существующими дугами

графа

. Это означает, что в модели данных таблицы, расположенные в вершинах графа,

связаны напрямую посредством идентификаторов столбцов, описанных вектором

, т.е.

лежат на расстоянии одной дуги.

Вторая ситуация описывает случай, когда вершинами графа

могут быть только

идентификаторы таблиц и столбцов. В этом случае в модели данных таблицы,

расположенные в смежных вершинах графа, связаны напрямую посредством

идентификаторов столбцов, которые находятся в вершинах графа, и сами таблицы тоже

лежат на расстоянии одной дуги.

Третья ситуация касается случая, когда вершинами графа

могут быть только

идентификаторы таблиц, идентификаторы столбцов и значения столбцов. Связи между

смежными вершинами, содержащими идентификаторы таблиц и столбцов, обрабатываются

аналогично предыдущему случаю. Если смежные вершины содержат идентификатор

столбца и значение столбца, то это означает, что связь уже существует.

Необходимость соблюдения полноты множества ситуаций гипотезы предполагает

рассмотрение всех возможных ситуаций, представляющих собой декартово произведение

типов вершин T

×Т, где Т={таблица, атрибут, значение}. Нами не рассмотрены ситуации,

описывающие отношения «таблица – значение», и отношения, обратные

вышеприведенным: «атрибут-таблица», «значение–таблица», «значение-атрибут».

Обратные отношения типов вершин не имеет смысла рассматривать, так как операция

конъюнкции ассоциативна, а пара элементов х

∈

i-той и j-той вершин в условии

применимости продукции описывается именно конъюнкцией х

и х

. Остальные

отношения при обработке графа

невозможны, так как пара «значение – значение» будет

составлять синтаксическую группу «однородные члены предложения», поэтому между

ними связи не будет, а пара «таблица – значение» невозможна в связи с доказательством

третьей гипотезы нижнего уровня.

Гипотеза вторая «Непрямые связи вершин графа

». Гипотеза описывает ситуации,

когда паре смежных вершин

+ii

gg ∈ G

могут соответствовать пара

ee , несмежных

вершин графа Е, т.е. расстояние между вершинами

ee , больше одной дуги.

Прежде чем рассмотреть алгоритм доказательства гипотез, приведем необходимые

для этого продукции.

3.3.1. Продукции по формированию SQL-запроса

Рассмотрим продукции для ситуаций первой гипотезы.

Для первой ситуации строится утверждение о том, что между парой вершин

существует прямая связь тогда и только тогда, когда имеют место следующие факты,

которым в соответствие поставлены предикаты:

1) вершина

имеет вектор

par

(τ

, t(x

, l

), t(x

, l

), t(x

, l

), t(x

, l

) , t(x

, Null)));

2) вершина

имеет вектор

par

(τ

, t(x

, l

), t(x

, l

), t(x

, l

), t(x

, l

) , t(x

, Null)));

3) х

имеет значение «1» - (P

, 1));

4) х

имеет значение «1» - (P

, 1));

5) таблица

имеет атрибут y

с признаком «d» (P

(

), y

, f

), где f

- ссылка на

процедуру F

, которая осуществляет поиск атрибута с признаком «d» в параметрическом

предикате

)),(),..,,(),...,,(,

(

jikipar

vptvptvptgP

и в переменной y

возвращает его имя);

6) атрибут y

принадлежит таблице

), y

, f

), где f

— ссылка на

процедуру F

, которая осуществляет проверку принадлежности атрибута y

таблице

предикате

)),(),..,,(),...,,(,

(

jikjpar

vptvptvptgP и возвращает в качестве результата y

значения «истина» или «ложь»);

или

1) таблица

имеет атрибут y

с признаком «d» (P

(

), y

, f

));

2) атрибут y

принадлежит таблице

), y

, f

));

3) признак принадлежности y

имеет значение «истина» (P

, истина)).

Утверждению о том, что между парой вершин

существует прямая связь,

соответствуют предикаты: P

(t(

), y

, t

)

∧

par

(τ

, t(x

, l

), t(x

, l

), t(x

, l

), t(x

, l

t(x

, 1)).

В этом случае элементы продукции pr

записываются в виде:

= P

par

(τ

, t(x

, l

), t(x

, l

), t(x

, l

), t(x

, l

) , t(x

, Null))

∧

par

(τ

, t(x

, l

), t(x

, l

t(x

, l

), t(x

, l

) , t(x

, Null)) ∧ P

, 1)

∧

, 1)

∧

((P

(

), y

, f

) ∧ P

), y

) )∨( P

(

), y

, f

) ∧ P

), y

, f

))

∧

, истина) ↔ P

(t(

), y

, t

)

∧

par

(τ

, t(x

, l

), t(x

, l

), t(x

, l

), t(x

, l

), t(x

, 1));

= add[ (P

par

(τ

, t(x

, l

), t(x

, l

), t(x

, l

), t(x

, l

), t(x

, 1))

∧

(

′

(t(

), y

))].

В случае успеха осуществляется обновление вектора τ

путем добавления вида связи

«таблица – таблица» и обновление вершины

′

, в которую заносится предикат связи

таблиц программы r

Вторую и третью ситуации можно описать продукцией pr

=<q

, r

>, где

= P

par

(τ

, t(x

, l

), t(x

, l

), t(x

, l

), t(x

, l

) , t(x

, Null))

∧

par

(τ

, t(x

, l

), t(x

, l

t(x

, l

), t(x

, l

) , t(x

, Null)) ∧ P

, 1)

∧

, 2)

∧

((P

(

), y

, f

) ∧ P

, x

), y

))∨(P

), y

, f

)

∧

), y

, f

))

∧

, истина) ↔ P

(t(

), y

, t

)

∧

par

(τ

, t(x

, l

), t(x

, l

), t(x

, l

), t(x

, l

), t(x

, 1));

=add[(P

par

(τ

, t(x

, l

),t(x

, l

),t(x

, l

),t(x

, l

),t(x

, 1))

∧

(

′

(t(

g ),y

))].

Ситуациям второй гипотезы соответствует конъюнкция фактов первой гипотезы, за

исключением последнего факта, в котором признак принадлежности y

должен иметь

значение «ложь» (P

, ложь)). Этот факт опровергает наличие прямой связи между

таблицами

, а новый функциональный предикат (P

(

), y

, f

) позволяет

определить таблицу y

, имеющую прямую связь с таблицей

. Тогда первой ситуации

будет соответствовать продукция pr

=<q

, r

>, где:

= P

par

(τ

, t(x

, l

), t(x

, l

), t(x

, l

), t(x

, l

) , t(x

, Null))

∧

par

(τ

, t(x

, l

), t(x

, l

t(x

, l

), t(x

, l

) , t(x

, Null)) ∧ P

, 1)

∧

, 1)

∧

((P

(

), y

, f

) ∧ P

), y

) )∨( P

(

), y

, f

) ∧ P

), y

, f

))

∧

, ложь)

∧

(

), y

, f

) ↔

(t(

), y

, t

) ∧ P

par

(τ

, t(x

, l

), t(x

, l

), t(x

, l

), t(x

, l

), t(x

, 1));

= add[(

′

)

∧

par

(τ

, t(x

, 1),t(x

, l

),t(x

, l

),t(x

, 1),t(x

, 1))].

Программа r

посредством операции разбиения дуги

добавляет между

вершинами

новую вершину

′

и приписывает ей вектор τ

, в котором указывает,

что

′

является добавленной таблицей (x

=1). Это порождает новые дуги

gg и

для идентификации которых осуществляется переход на доказательство первой гипотезы.

Второй и третьей ситуациям соответствует продукция pr

=<q

, r

= P

par

(τ

, t(x

, l

), t(x

, l

), t(x

, l

), t(x

, l

) , t(x

, Null))

∧

par

(τ

, t(x

, l

), t(x

, l

t(x

, l

), t(x

, l

) , t(x

, Null)) ∧ P

, 1)

∧

, 2)

∧

((P

(

), y

, f

) ∧ P

, x

), y

))∨(P

), y

, f

) ∧ P

), y

, f

))

∧

, ложь)

∧

(

), y

, f

) ↔

(t(

), y

, t

)

∧

par

(τ

, t(x

, l

), t(x

, l

), t(x

, l

), t(x

, l

), t(x

, 1));

= add[(

′

)

∧

par

(τ

, t(x

, 1),t(x

, l

),t(x

, l

),t(x

, 1),t(x

, 1))].

Таким образом, строится транзитивное замыкание посредством поиска связи между

таблицами в графе Е. Если доказательство ситуаций успешно, то осуществляется переход

на доказательство первой гипотезы и так далее, пока не произойдет транзитивное

замыкание, т.е. последняя дабавленная вершина в граф

G будет иметь прямую связь с j-

ой вершиной графа

, при этом ни одна из ситуаций второй гипотезы не будет успешно

доказана.

3.3.2. Алгоритм доказательства гипотез

Для доказательства сформируем формулу

d∧Γ , где

d - входная ситуация. Ситуация

для обеих гипотез формируется одинаково на основе анализа элементов векторов

терминов физической модели данных, расположенных в рассматриваемых смежных

вершинах графа

. Для первой ситуации у векторов

элементы должны иметь

следующие значения:

- х

имеет значение «1»;

- х

имеет значение «1»;

- остальные элементы векторов

имеют значение null.

Для второй ситуации элементы векторов

должны иметь следующие значения:

- х

имеет значение «1»;

- х

имеет значение «2»;

- х

имеет значение у, где у – идентификатор таблицы, содержащей идентификатор

столбца, расположенного в j-той вершине;

- остальные элементы векторов

имеют значение null.

Для третьей ситуации элементы векторов

имеют следующие значения:

- х

имеет значение «2»;

- х

имеет значение «4»;

- х

имеет значение у, где у – идентификатор таблицы, содержащей идентификатор

столбца, расположенного в i-той вершине;

- х

имеет значение у, где у – идентификатор таблицы, содержащей идентификатор

столбца, расположенного в j-той вершине;

- х

имеет значение z, где z – идентификатор столбца, содержащий значение j-той

вершины;

- остальные элементы векторов

имеют значение null.

В этом случае значения элементов х

, х

векторов

совпадают.

Рассмотрим формирование множества

для каждой гипотезы.

Для первой гипотезы множество

будет включать множество параметрических

предикатов, описывающих физическую модель данных и продукции pr

, pr

нахождения связи между таблицами SQL–запроса.

Для второй гипотезы множество

будет включать также множество параметрических

предикатов, описывающих физическую модель данных и продукции pr

, pr

Для доказательства первой гипотезы необходимо просмотреть все пары смежных

вершин графа

, применяя соответственно каждой ситуации правила pr

, pr

нахождения связи между таблицами SQL–запроса.

Для доказательства второй гипотезы необходимо найти путь от i-той таблицы к j-той

таблице и преобразовать граф

в граф G , в котором будут добавлены все

промежуточные таблицы. Для новых таблиц необходимо сформировать вектор

. В связи с

тем, что граф Е задан множеством предикатов, то путь от i-той таблицы к j-той таблице

будем искать как транзитивное замыкание

dd →

или

dddd

iii

→→→

... .

Первое применение продукции pr

(

22,21=i

) позволит получить новое состояние d

, в

котором будет определена таблица, с которой связана исходная таблица, следующее

применение продукции pr

позволит получить состояние d

, в котором будет определена

таблица, с которой связана предыдущая таблица и так далее, пока не найдем таблицу,

которая является вершиной у

. Здесь исходная ситуация d

и индекс продукции

i учитывают

три случая комбинации типов вершин, описанных выше. В действия продукции pr

входит

добавление вершины в граф

G и формирование вектора

3.3.3. Формирование оператора SQL

Из множества SQL-операторов нас интересует класс операторов Select, касающихся

только выборки информации из таблиц базы данных. Эти операторы имеют следующий

синтаксис [92-94, 23]:

SELECT select_list

FROM table_source

[ WHERE search_condition ]

[ GROUP BY group_by_expression ]

[ HAVING search_condition ]

[ ORDER BY order_expression [ ASC | DESC ] ]

Обязательная часть оператора соответствует наиболее простому варианту запроса.

При её построении необходимо сформировать список выводимых идентификаторов

столбцов (select_list) и список идентификаторов таблиц (table_source), в которые входят

выводимые столбцы. Однако чаще встречается оператор SELECT, обладающий

следующим синтаксисом:

SELECT select_list

FROM table_source

WHERE search_condition

В этом случае необходимо сформировать условную и объектную части SQL-запроса.

Объектную часть составляют ключевые слова «SELECT» со списком выводимых

идентификаторов столбцов (select_list) и «From» со списком идентификаторов таблиц

(table_source), в которые входят выводимые столбцы. В условную часть запроса входят

ключевое слово WHERE и фильтр (search_condition) отбора объектов, принадлежащих

select_list.

Рассмотрим метод формирования объектной и условной частей.

Формирование объектной части. Select_list ключевого слова «SELECT» включает в

себя атрибуты таблиц, соответствующих вершинам графа

, имеющие характеристические

признаки. В случае, когда таблица имеет валентные атрибуты, то необходимо осуществить

отбор характеристических атрибутов таблиц графа

G , в которых валентные атрибуты

являются дифференциальными.

В список table_source включаются все без исключения таблицы, содержащиеся в

вершинах графа

и элементах кортежа вектора τ.

Формирование условной части. Условная часть запроса search_condition может

включать два типа фильтра. Первый связан с отображением связи добавленных вершин,

второй – с отображением условий, заданных в запросе, например, х>5, х – атрибут базы

данных, а «5» - его значение.

Первый тип формируется на основе анализа графа

и элементов x

вектора τ

приписанным к вершинам. Так как граф

и граф

гомеоморфны, то добавленные путем

разбиения некоторых дуг вершины составляют часть A(

), подграфы графа

, состоящие

из связанных между собой не добавленных вершин, изоморфны графу

. Таких частей

) в графе

может быть несколько, т.е. они составляют множество подграфов

В={A

(

)| i=1..n, n-количество подграфов добавленных вершин}. Таким образом, задача

анализа состоит в поиске каждого A

(

) и формировании для него фильтра. Тогда

количество фильтров будет равно n.

Поиск осуществляется на основе анализа значения элемента x

вектора τ

, если он

имеет значение «1», это означает, что вершина добавленная. Как только встретилась такая

вершина, необходимо сформировать первое условие i-того фильтра. Это условие на

равенство уточненных атрибутов базы данных. Уточненный атрибут состоит из

идентификатора атрибута, разделителя «точки» и идентификатора таблицы.

Идентификатор атрибута записан в элементе x

вектора τ

. При этом слева записывается

атрибут вершины верхнего уровня, а справа - вершины нижнего уровня. Таких условий в i-

том фильтре может быть несколько. Количество зависит от мощности множества вершин

подграфа A

(

) и количества совпавших дифференциальных атрибутов рассматриваемых

таблиц.

Аналогичным образом рассматриваются все n подграфов A(

). Совокупность n

фильтров и составит первый тип условной части.

Второй тип search_condition формируется из трех смежных вершин, содержащих

идентификатор атрибута, операцию оператора SQL-запроса и значение базы данных. Ввиду

элементарности формирования данного условия в работе оно не приводится.

Система продукций по реализации данного метода приведена в приложении Д.

3.4. Выводы по третьей главе

В данной главе предложены модель метаописания концептуальной схемы базы

данных, модель проблемной среды. Для формального описания моделей предложены два

вида предикатов – составной и параметрический. Составной предикат позволяет

посредством бинарных отношений описать взаимосвязи между понятиями проблемной

среды и логической модели данных, между понятиями логической и физической моделей

данных. С помощью параметрического предиката задается интенсионал понятий

физической модели данных, который позволяет построить взаимосвязь между понятиями.

Таким образом, данные модели описываются семейством множеств закономерностей

проблемной среды и концептуальной схемы базы данных, представленных в виде формул

предикатов второго порядка.

Построенное множество предикатов применяется для трансляции естественно-

языкового запроса, представленного в виде графа зависимостей синтаксического анализа, в

SQL-запрос. Трансляция выполняется последовательным решением следующих задач:

распознавание типов вершин в графе зависимостей и формирование вектора;

преобразование понятий проблемной среды в термины логической модели данных;

преобразование терминов логической модели в термины физической модели данных. По

каждой задаче строятся гипотезы, и задача решается методом доказательства теорем.

По данной главе построены множества продукций для решения поставленных в главе

задач, которые приведены в приложении Д.

Все частичные функции, представленные в виде вычислительных процедур,

составляют библиотеку ассоциированных процедур К третьего элемента системы общения

с базами данных Z = <M, В, K>.

Заключение

В работе рассмотрены методы и алгоритмы, позволяющие осуществлять трансляцию

естественно-языкового запроса к структурированному источнику в SQL-запросы. При этом

предложенный в работе аппарат для построения формального описания лингвистических

моделей, основанный на описании модели знаний предметной области в виде множества

подразумеваемых ситуаций, что позволяет создавать формальные модели решаемой задачи

в виде декларативной базы правил. Правила формально описывают ситуации в виде

продукций, что позволяет представлять модели в виде системы продукций, а решение задач

строить как доказательство теорем, используя метод линейной резолюции. Условия

применимости продукции и закономерности предметной области описываются четырьмя

типами предикатов:

- параметрическим предикатом, позволяющим задать интенсионал понятий

физической модели данных и построить взаимосвязь между понятиями;

- составным, необходимым для задания отношений абстрагирования и отношений

биноминативных предложений;

- эквиваленции, необходимым для задания тождественных понятий;

- функциональным, позволяющим вводить ассоциированные функциональные

процедуры.

Модель лингвистического транслятора, описанная в работе, основывается на модели

контекстного фрагментирования и включает в себя лингвистическую модель, базовые

механизмы обработки предложений и ассоциированные процедуры. Лингвистическая

модель содержит информацию о морфологии, синтаксисе и семантике проблемной среды,

для описания которых используются составные и параметрические предикаты. Методы

морфологического, синтаксического и проблемного анализов представляют собой базовые

механизмы обработки предложений и реализуют последовательное отображение

результатов анализа.

Программная реализация метода линейной резолюции и ассоциированных процедур

позволила проверить основные положения работы.

Литература

1. Андреев А.М., Березкин Д.В., Брик А.В. Лингвистический процессор для

ИПС // Компьютерная хроника. -1998.- №11. – С. 79-100.

Лингвистические процессоры и представление знаний: Сб. науч. тр./ Под

ред. А.С. Нариньяни. – Новосибирск: ВС СО АН СССР, 1981. – 138 с.

Апресян Ю.Д., Богуславский И.М., Иомдин Л.Л. и др. Лингвистический

процессор для сложных информационных систем. -М.: Наука, 1992. - 256 с.

Брябин В.М., Любарский Ю.Я., Микулич Л.И. и др. Диалоговые системы в

АСУ // Под ред. Д.А. Поспелова. – М.: Энергоатомиздат, 1983. – С. 85-120.

Файн В.С. Распознавание образов и машинное понимание естественного

языка. – М.: Наука, 1987.

Золотов Е.В., Кузнецов И.П. Расширенные системы активного диалога. –

М.: Наука, 1982.

Мельчук И.А. Опыт теории лингвистических моделей “смысл-текст”. – М.:

Наука , 1982.

Искусственный интеллект: В 3 кн. Кн.1. Системы общения и экспертные

системы: Справочник / Под ред. Э.В. Попова. – М.: Радио и связь, 1990. –

464 с.

Искусственный интеллект: Применение в интегрированных

производственных системах / Под ред. А.И. Дашенко, Е.В. Левнера. – М.:

Машиностроение, 1991. – 539 с.

10.

Леонтьева Н.Н. Информационная модель системы автоматического

перевода // НТИ. Сер. 2. 1985. №10.

11.

Леонтьева Н.Н., Кудряшова И.М., Малевич О.Б. Семантические заготовки к

пониманию целого текста. (МГПИИЯ им. М. Тореза): Сб. научн. Тр. Вып.

271.- М., 1986.

12.

Леонтьева Н.Н. Русский общесемантический словарь (РОСС): структура,

наполнение. // НТИ. Сер. 2. 1997. N 12. – С. 5-20.

13.

Машинный перевод и прикладная лингвистика. Проблемы создания

системы автоматического перевода. - М., 1987. – 152 с. – (Научные труды

МГПИИЯ. Вып. 271).

14.

Моделирование языковой деятельности в интеллектуальных системах / Под

ред. А.Е. Кибрика и А.С. Нариньяни. - М.: Наука, 1987.

15.

Нариньяни А.С. Лингвистические процессоры ЗАБСИБ (1-я и 2-я части).

Препринт ВЦ СО АН СССР, №199. 1979.

16.

Жигирев Н.Н., Корж В.В., Оныкий Б.Н. Самонастраивающийся словарь

ключевых слов и нейронная сеть Хопфилда для классификации текстов //

Тр. 2-й Всерос. науч.-тех. конф. “Нейроинформатика-2000”. Ч. 2. – М., 2000.

– С.58-61.

17.

Перспективы развития вычислительной техники / Под ред. Ю.М. Смирнова.

– М.: Высш. шк., 1987. – 278 с.

18.

Преображенский А.Б. Лингвистический процессор для реализации общения

с базами данных // Изв. АН СССР. Техн. кибернетика. – 1982. - №5. - С. 121-

129.

19.

Шенк Р. Концептуальная обработка информации. – М.: Мир, 1976.

20.

Шумский С.А., Яровой А.В., Зорин О.Л. Ассоциативный поиск текстовой

информации // Тр. Всерос. науч.-тех. конф.“Нейроинформатика-1999”. Ч. 3.

– М., 1999. – С. 101-109.

21.

Семантическая нейронная сеть как формальный язык описания и обработки

смысла текстов на естественном языке / З.В. Дударь, Д.Е. Шуклин //

Радиоэлектроника и информатика. -Харьков: Изд-во ХТУРЭ, 2000. - №3.- С.

72-76.