DOI
10.34229/KCA2522-9664.24.1.3
УДК 51.681.3
С.Л. Кривий
Київський національний університет імені Тараса Шевченка, Київ, Україна,
sl.krivoi@gmail.com
Г.І. Гогерчак
Київський національний університет імені Тараса Шевченка, Київ, Україна,
gogerchak.g@gmail.com
АНАЛІЗ ПРИРОДНОМОВНИХ ЗНАНЬ В УМОВАХ НЕВИЗНАЧЕНОСТІ НА ОСНОВІ
ДЕСКРИПТИВНИХ ЛОГІК
Анотація. Представлено огляд засобів опису та формального аналізу знань, добутих з природномовного тексту з можливими невизначеностями.
Розглянуто сім’ю класичних атрибутивних мов і логік, які на них ґрунтуються, властивості цих логік, проблеми і способи їхнього розв’язання.
Представлено огляд пропозиційних n-значних логік і нечітких логік, їхнього синтаксису і семантики.
На основі розглянутих конструкцій цих логік запропоновано синтаксис і теоретикомножинну інтерпретацію
дескриптивної n-значної логіки ALCQn, яка описує властивості концептів за допомогою операцій перетину,
об’єднання, доповнення та обмежених кванторів. Розглянуто засоби розв’язання ключових проблем для таких логік: виконїнність,
розширення, еквівалентність та диз’юнктивність. Як алгоритм для обчислення ступеня виконуваності запропоновано
застосувати розширений алгоритм семантичного табло, який використовують у логіці предикатів першого порядку
для розв’язання простих числових обмежень. Доведено, що пропонований алгоритм є термінальним, повним і несуперечним.
Наведено приклади застосування для формального представлення й оброблення природномовного тексту,
які містять деякі результати моделей машинного навчання, комбінування знань з багатьох джерел і формальний опис сумнівних фактів.
Ключові слова: база знань, дескриптивні логіки, нечіткі логіки, n-значні логіки, оброблення природномовних текстів, добування знань.
повний текст
СПИСОК ЛІТЕРАТУРИ
- Bos J. Applying automated deduction to natural language understanding. Jour. of Applied Logic. 2009. Vol. 7, N 1. P. 100–112. https://doi.org/10.1016/j.jal.2007.07.008.
- Licata G. Fuzzy logic, knowledge and natural language. In: Fuzzy Inference System — Theory and Applications. Azeem M.F. (Ed.). IntechOpen, 2012. P. 3–18. https://doi.org/10.5772/36498.
- Joshi M., Chen D., Liu Y., Weld D.S., Zettlemoyer L., Levy O. SpanBERT: Improving pre-training by representing and predicting spans. Transactions of the Association for Computational Linguistics. 2020. Vol. 8. P. 64–77. URL: https://transacl.org/index.php/tacl/article/view/1853.
- Cambria E, White B. Jumping NLP curves: a review of natural language processing research. IEEE Computational Intelligence Magazine. 2014. Vol. 9, Iss. 2. P. 48–57. https://doi.org/10.1109/MCI.2014.2307227 .
- Kryvyi S., Hoherchak H. Analyzing natural language knowledge in uncertainty. Proc. 2022 IEEE International Conference on Advanced Trends in Information Theory (ATIT 2022) (15–17 December 2022, Kyiv, Ukraine). Kyiv, 2022. P. 268–272.
- Hoherchak H., Darchuk N., Kryvyi S. Representation, analysis, and extraction of knowledge from unstructured natural language texts. Cybernetics and Systems Analysis. 2021. Vol. 57, N 3. P. 481–500. https://doi.org/10.1007/s10559-021-00373-7 .
- Hoherchak H. Knowledge based and description logics applications to natural language texts analysis. Proc. 12th International Scientific and Practical Conference of Programming (UkrPROG 2020) (September 15–16 2020, Kyiv, Ukraine). Kyiv, 2020. P. 259–269. URL: https://ceur-ws.org/Vol-2866/ceur_260-269hoherchak.pdf .
- Baader F., Horrocks I., Latz C., Sattler U. An introduction in description logic. Cambridge University Press, 2017. 265 p. https://doi.org/10.1017/9781139025355.
- Wajsberg M. Axiomatization of the three-valued propositional calculus. In: Polish Logic: 1920 – 1939. McCall S. (Ed.). New York: Oxford University Press, 1967. P. 264–284.
- Aguzzoli S, Ciabattoni A. Finitness in infinite-valued ukasiewich logic. Journal of Logic, Language and Information. 2000. Vol. 9, Iss. 1. P. 5–29. https://doi.org/10.1023/A:1008311022292.
- Zhan J., Zhao H. Span model for open information extraction on accurate corpus. Proc. the Thirty-Fourth AAAI Conference on Artificial Intelligence (AAAI-20) (7–12 February 2020, New York, USA). New York, 2020. Vol. 34, N. 5. P. 9523–9530. https://doi.org/10.1609/ aaai.v34i05.6497 .
- Pogorilyy S., Kramov A. Coreference resolution method using a convolutional neural network. Proc. 2019 IEEE International Conference on Advanced Trends in Information Theory (ATIT 2019) (18–20 December 2019, Kyiv, Ukraine). Kyiv, 2019. P. 397–401. https://doi.org/10.1109/ATIT49449.2019.9030596.