Как найти контекстуальное значение слова

Словари

Один из видов языковой догадки, основывающийся на определении значения слов через контекст.

1. Вариант перевода, подходящий лишь для данного конкретного контекста.

2. Окказиональное использование единиц ПЯ при переводе какого-то отрезка оригинала. Ср. соответствие.

1. Употребление слов речи в зависимости от окружения.

2. Реализация значения под действием узкого, широкого и экстралингвистического контекста.

3. Любое побочное значение, которое не может считаться нормативным и поэтому не регистрируется в словарях.

контекстуальное значение слова

1. Во многом зависит от характера семантического контекста, от семантики сочетающихся с ним слов. Контекстуальное значение слова всегда очень эффективно как семантически, так и стилистически благодаря своей неожиданности. Она часто используется в стилистических целях и поэтому переводчик сталкивается с двойной задачей: он должен избегать нивелировки и в то же время не нарушать норм ПЯ.

2. Отдельные значения слов, отсутствующие в их смысловой структуре и приобретаемые в контексте в связи с особыми условиями употребления, имеющие переходящий, непостоянный характер, появляющиеся в данный момент и возможные в условиях только данного контекста; представляет собой наиболее неустойчивую, подвижную, колеблющуюся в своем содержании категорию, которая не реализуется в контексте, а возникает в нем.

контекстуальные синонимы — синонимы, сближающиеся своими значениями в условиях контекста.

контекстуальные синонимы — см. синонимы контекстуальные (в статье синонимы).

контекстуальный — определяемый контекстом, от контекста.

Зависящий от контекста, связанный с контекстом. Контекстуальное значение слова земля.

— ая, ое (фр. contextuel контекстуальный стиль

Термин, введенный У. Лабовым для обозначения стиля социальных ситуаций, с которыми коррелирует распределение конкурирующих языковых форм (например, выбор языковых средств в обстановке официального общения, непринужденного общения).

Термин, введенный У. Лабовым для обозначения стиля социальных ситуаций, с которыми коррелирует распределение конкурирующих языковых форм (например, выбор языковых средств в обстановке официального общения, непринужденного общения).

Термин, введенный У. Лабовым для обозначения социальных ситуаций, с которыми коррелирует распределение конкурирующих языковых форм, напр., выбор языковых средств в обстановке непринужденного общения, в ситуации официального общения.

Please wait.

We are checking your browser. gufo.me

Why do I have to complete a CAPTCHA?

Completing the CAPTCHA proves you are a human and gives you temporary access to the web property.

What can I do to prevent this in the future?

If you are on a personal connection, like at home, you can run an anti-virus scan on your device to make sure it is not infected with malware.

If you are at an office or shared network, you can ask the network administrator to run a scan across the network looking for misconfigured or infected devices.

Another way to prevent getting this page in the future is to use Privacy Pass. You may need to download version 2.0 now from the Chrome Web Store.

Cloudflare Ray ID: 6a9001e9ef48c3c5 • Your IP : 85.95.189.96 • Performance & security by Cloudflare

Значение «контекстуальное значение слова»

Что означает «контекстуальное значение слова»

Толковый переводоведческий словарь

Контекстуальное значение слова

1. Во многом зависит от характера семантического контекста, от семантики сочетающихся с ним слов. Контекстуальное значение слова всегда очень эффективно как семантически, так и стилистически благодаря своей неожиданности. Она часто используется в стилистических целях и поэтому переводчик сталкивается с двойной задачей: он должен избегать нивелировки и в то же время не нарушать норм ПЯ.

2. Отдельные значения слов, отсутствующие в их смысловой структуре и приобретаемые в контексте в связи с особыми условиями употребления, имеющие переходящий, непостоянный характер, появляющиеся в данный момент и возможные в условиях только данного контекста; представляет собой наиболее неустойчивую, подвижную, колеблющуюся в своем содержании категорию, которая не реализуется в контексте, а возникает в нем.

Смотрите также:

Синтаксический разбор «Мне потребуется вечность, чтобы всё объяснить.»

Морфологический разбор «контекстуальное значение слова»

Фонетический разбор «контекстуальное значение слова»

Значение «контекстуальное значение слова»

Карточка «контекстуальное значение слова»

Словари русского языка

Лексическое значение: определение

Общий запас лексики (от греч. Lexikos) — это комплекс всех основных смысловых единиц одного языка. Лексическое значение слова раскрывает общепринятое представление о предмете, свойстве, действии, чувстве, абстрактном явлении, воздействии, событии и тому подобное. Иначе говоря, определяет, что обозначает данное понятие в массовом сознании. Как только неизвестное явление обретает ясность, конкретные признаки, либо возникает осознание объекта, люди присваивают ему название (звуко-буквенную оболочку), а точнее, лексическое значение. После этого оно попадает в словарь определений с трактовкой содержания.

Словари онлайн бесплатно — открывать для себя новое

Словечек и узкоспециализированных терминов в каждом языке так много, что знать все их интерпретации попросту нереально. В современном мире существует масса тематических справочников, энциклопедий, тезаурусов, глоссариев. Пробежимся по их разновидностям:

• Толковые Найти значение слова вы сможете в толковом словаре русского языка. Каждая пояснительная «статья» толкователя трактует искомое понятие на родном языке, и рассматривает его употребление в контенте. (PS: Еще больше случаев словоупотребления, но без пояснений, вы прочитаете в Национальном корпусе русского языка. Это самая объемная база письменных и устных текстов родной речи.) Под авторством Даля В.И., Ожегова С.И., Ушакова Д.Н. выпущены наиболее известные в нашей стране тезаурусы с истолкованием семантики. Единственный их недостаток — издания старые, поэтому лексический состав не пополняется.
• Энциклопедические В отличии от толковых, академические и энциклопедические онлайн-словари дают более полное, развернутое разъяснение смысла. Большие энциклопедические издания содержат информацию об исторических событиях, личностях, культурных аспектах, артефактах. Статьи энциклопедий повествуют о реалиях прошлого и расширяют кругозор. Они могут быть универсальными, либо тематичными, рассчитанными на конкретную аудиторию пользователей. К примеру, «Лексикон финансовых терминов», «Энциклопедия домоводства», «Философия. Энциклопедический глоссарий», «Энциклопедия моды и одежды», мультиязычная универсальная онлайн-энциклопедия «Википедия».
• Отраслевые Эти глоссарии предназначены для специалистов конкретного профиля. Их цель объяснить профессиональные термины, толковое значение специфических понятий узкой сферы, отраслей науки, бизнеса, промышленности. Они издаются в формате словарика, терминологического справочника или научно-справочного пособия («Тезаурус по рекламе, маркетингу и PR», «Юридический справочник», «Терминология МЧС»).
• Этимологические и заимствований Этимологический словарик — это лингвистическая энциклопедия. В нем вы прочитаете версии происхождения лексических значений, от чего образовалось слово (исконное, заимствованное), его морфемный состав, семасиология, время появления, исторические изменения, анализ. Лексикограф установит откуда лексика была заимствована, рассмотрит последующие семантические обогащения в группе родственных словоформ, а так же сферу функционирования. Даст варианты использования в разговоре. В качестве образца, этимологический и лексический разбор понятия «фамилия»: заимствованно из латинского (familia), где означало родовое гнездо, семью, домочадцев. С XVIII века используется в качестве второго личного имени (наследуемого). Входит в активный лексикон. Этимологический словарик также объясняет происхождение подтекста крылатых фраз, фразеологизмов. Давайте прокомментируем устойчивое выражение «подлинная правда». Оно трактуется как сущая правда, абсолютная истина. Не поверите, при этимологическом анализе выяснилось, эта идиома берет начало от способа средневековых пыток. Подсудимого били кнутом с завязанными на конце узлом, который назывался «линь». Под линью человек выдавал все начистоту, под-линную правду.
• Глоссарии устаревшей лексики Чем отличаются архаизмы от историзмов? Какие-то предметы последовательно выпадают из обихода. А следом выходят из употребления лексические определения единиц. Словечки, которые описывают исчезнувшие из жизни явления и предметы, относят к историзмам. Примеры историзмов: камзол, мушкет, царь, хан, баклуши, политрук, приказчик, мошна, кокошник, халдей, волость и прочие. Узнать какое значение имеют слова, которые больше не употребляется в устной речи, вам удастся из сборников устаревших фраз. Архаизмамы — это словечки, которые сохранили суть, изменив терминологию: пиит — поэт, чело — лоб, целковый — рубль, заморский — иностранный, фортеция — крепость, земский — общегосударственный, цвибак — бисквитный коржик, печенье. Иначе говоря их заместили синонимы, более актуальные в современной действительности. В эту категорию попали старославянизмы — лексика из старославянского, близкая к русскому: град (старосл.) — город (рус.), чадо — дитя, врата — ворота, персты — пальцы, уста — губы, влачиться — волочить ноги. Архаизмы встречаются в обороте писателей, поэтов, в псевдоисторических и фэнтези фильмах.
• Переводческие, иностранные Двуязычные словари для перевода текстов и слов с одного языка на другой. Англо-русский, испанский, немецкий, французский и прочие.
• Фразеологический сборник Фразеологизмы — это лексически устойчивые обороты, с нечленимой структурой и определенным подтекстом. К ним относятся поговорки, пословицы, идиомы, крылатые выражения, афоризмы. Некоторые словосочетания перекочевали из легенд и мифов. Они придают литературному слогу художественную выразительность. Фразеологические обороты обычно употребляют в переносном смысле. Замена какого-либо компонента, перестановка или разрыв словосочетания приводят к речевой ошибке, нераспознанному подтексту фразы, искажению сути при переводе на другие языки. Найдите переносное значение подобных выражений в фразеологическом словарике. Примеры фразеологизмов: «На седьмом небе», «Комар носа не подточит», «Голубая кровь», «Адвокат Дьявола», «Сжечь мосты», «Секрет Полишинеля», «Как в воду глядел», «Пыль в глаза пускать», «Работать спустя рукава», «Дамоклов меч», «Дары данайцев», «Палка о двух концах», «Яблоко раздора», «Нагреть руки», «Сизифов труд», «Лезть на стенку», «Держать ухо востро», «Метать бисер перед свиньями», «С гулькин нос», «Стреляный воробей», «Авгиевы конюшни», «Калиф на час», «Ломать голову», «Души не чаять», «Ушами хлопать», «Ахиллесова пята», «Собаку съел», «Как с гуся вода», «Ухватиться за соломинку», «Строить воздушные замки», «Быть в тренде», «Жить как сыр в масле».
• Определение неологизмов Языковые изменения стимулирует динамичная жизнь. Человечество стремятся к развитию, упрощению быта, инновациям, а это способствует появлению новых вещей, техники. Неологизмы — лексические выражения незнакомых предметов, новых реалий в жизни людей, появившихся понятий, явлений. К примеру, что означает «бариста» — это профессия кофевара; профессионала по приготовлению кофе, который разбирается в сортах кофейных зерен, умеет красиво оформить дымящиеся чашечки с напитком перед подачей клиенту. Каждое словцо когда-то было неологизмом, пока не стало общеупотребительным, и не вошло в активный словарный состав общелитературного языка. Многие из них исчезают, даже не попав в активное употребление. Неологизмы бывают словообразовательными, то есть абсолютно новообразованными (в том числе от англицизмов), и семантическими. К семантическим неологизмам относятся уже известные лексические понятия, наделенные свежим содержанием, например «пират» — не только морской корсар, но и нарушитель авторских прав, пользователь торрент-ресурсов. Вот лишь некоторые случаи словообразовательных неологизмов: лайфхак, мем, загуглить, флэшмоб, кастинг-директор, пре-продакшн, копирайтинг, френдить, пропиарить, манимейкер, скринить, фрилансинг, хедлайнер, блогер, дауншифтинг, фейковый, брендализм. Еще вариант, «копираст» — владелец контента или ярый сторонник интеллектуальных прав.
• Прочие 177+ Кроме перечисленных, есть тезаурусы: лингвистические, по различным областям языкознания; диалектные; лингвострановедческие; грамматические; лингвистических терминов; эпонимов; расшифровки сокращений; лексикон туриста; сленга. Школьникам пригодятся лексические словарники с синонимами, антонимами, омонимами, паронимами и учебные: орфографический, по пунктуации, словообразовательный, морфемный. Орфоэпический справочник для постановки ударений и правильного литературного произношения (фонетика). В топонимических словарях-справочниках содержатся географические сведения по регионам и названия. В антропонимических — данные о собственных именах, фамилиях, прозвищах.

Толкование слов онлайн: кратчайший путь к знаниям

Проще изъясняться, конкретно и более ёмко выражать мысли, оживить свою речь, — все это осуществимо с расширенным словарным запасом. С помощью ресурса How to all вы определите значение слов онлайн, подберете родственные синонимы и пополните свою лексику. Последний пункт легко восполнить чтением художественной литературы. Вы станете более эрудированным интересным собеседником и поддержите разговор на разнообразные темы. Литераторам и писателям для разогрева внутреннего генератора идей полезно будет узнать, что означают слова, предположим, эпохи Средневековья или из философского глоссария.

Глобализация берет свое. Это сказывается на письменной речи. Стало модным смешанное написание кириллицей и латиницей, без транслитерации: SPA-салон, fashion-индустрия, GPS-навигатор, Hi-Fi или High End акустика, Hi-Tech электроника. Чтобы корректно интерпретировать содержание слов-гибридов, переключайтесь между языковыми раскладками клавиатуры. Пусть ваша речь ломает стереотипы. Тексты волнуют чувства, проливаются эликсиром на душу и не имеют срока давности. Удачи в творческих экспериментах!

Контекстуальное значение

Далеко не всегда
словарь может предложить переводчику
то единственное нужное слово, которое
требуется по контексту. Как правило,
семантическая структура слова, т.е.
объем всех его значений, не исчерпывает
всех смысловых возможностей, заложенных
в слове. Иногда некоторые значения и
оттенки значений реализуются только
в определенном контексте. Контекстуальное
значение
не входит в
смысловую структуру слова и в словарях
не фиксируются.
Так, среди словарных значений
прилагательного brave
– 1) храбрый, смелый; 2) превосходный,
прекрасный; 3) уст.,
книжн.
нарядный – нет ни одного, которым можно
было бы воспользоваться при переводе
сочетания a
coat
of
brave
red
lipstick.
ПО всей вероятности, здесь идет речь
об интенсивном цвете губной помады –
слой ярко-красной губной помады.

В следующем примере
перевод прилагательного gentle
может показаться наиболее удаленным
от всех его словарных значений, однако
в контексте всего предложения он
единственно правильный:

The
mutiny on the Bounty is the most famous of all mutinies at sea. and
it was probably the most gentle
– although three of the mutineers were eventually hanged from the
yardarm of a Royal navy ship in Portsmouth Harbor. – Мятеж
на
«Баунти»
– самый
известный
из
всех
морских
мятежей
и,
пожалуй,
самый
бескровный,
хотя
трое
мятежников
и
были
в
конце
концов
повешены
на
рее
военного
регата
в
Портсмутской
гавани.

Таким образом,
особенности контекста могут заставить
переводчика отказаться от словарных
соответствий, искать и находить
контекстуальные значения слов, что
является наиболее творческим приемом
в процессе перевода.

Контекст и виды контекста

Под контекстом
принято понимать языковое окружение,
в котором употребляется та или иная
языковая единица.

Значение слова,
особенно многозначного, реализуется
в словосочетании, в грамматической
конструкции, в совокупности слов.
Попробуйте произнести вне контекста
такое русское слово, как класс,
и вы поймете, что употребленные в
изолированном виде они вряд ли несут
какую-либо информацию и не могут вызвать
у слушателя определенные ассоциации.
для того, чтобы они обрели значение, им
нужен «указательный минимум»³.
Так, значение слова класс
актуализируется⁴
в словосочетаниях игра
высокого класса,
классы
морских судов,
класс
рабовладельцев
и т.п.

Только языковое
окружение может «высветить» различные
значения существительного colony
и указать на то, что в первом предложении
это – исправительная
колония, во
втором – Британская
колония,
т.е. территория, зависимая от метрополии,
в третьем – семейство
ос, в четвертом
– первые
тринадцать штатов, которые были
объединены в Федерацию, получившую
название Соединенные Штаты Америки:

1. France
   used to send criminals to more than eight years hard labor to the
   Guiana penal colony.

2. I was
   born in a Crown Colony,
   and I’ve lived practically all my life in the colonies.

3. Surprisingly,
   my extreme closeness did not alarm the wasp colony.

4. By
   1763 printing was firmly established in each of the thirteen
   colonies
   (Literary History of the United States).

Принято различать
несколько видов контекста – узкий ,
широкий и экстралингвистический
(внелингвистический).

Под узким контекстом
подразумевается контекст словосочетания
или предложения. В трех первых предложениях
вышеприведенных примеров значение
слова colony
было уже понятно из минимального
контекста – словосочетания Crown
Colony,
penal
colony,
wasp
colony.

Такие знакомые
слова, как theory
и criticism,
в различных словосочетаниях получают
разные значения и поэтому переводятся
по-разному.

В современной
публицистике:

the
theory of Einstein
теория
Эйнштейна

criticism
of modern trends in education
критика
новейших
тенденций

в
образовании

В книге об истории
Шотландии (XVI
век. период Реформации):

the
theory of Christ
учение
Христа

criticism
of the church
недовольство
церковью

В отличие от узкого
контекста широкий контекст выходит за
рамки предложения. Это может быть абзац,
глава и все произведение в целом.
Следующий пример взят из романа Энн
Тайлер.

Первая глава
романа повествует о том, как одну
супружескую пару, прожившую вместе 20
лет, постигло горе – хулиганы убили их
единственного, горячо любимого сына,
двенадцатилетнего мальчика. Мейкон,
глядя на свою жену, убитую горем женщину,
вспоминает, какой она была 20 лет назад,
студенткой колледжа, когда жизнь только
начиналась и обещала одни радости:

Sarah,
a
bubbly
girl
with
a
tumble
of
copper–brown
curls.
– Сара, жизнерадостная девушка с копной
медно-рыжих курчавых волос.

В словаре В.К,
Мюллера прилагательное bubbly
представлено двумя значениями: 1)
пенящийся (о
вине); 2)
пузырчатый (о
стекле).

Поскольку словарные
эквиваленты русско-английского словаря
неприемлемы для перевода bubbly,
нам приходится искать единственно
правильное определение в контексте
своей главы.

Только широкий
контекст, т.е. контекст всего произведения,
дает возможность переводить заглавия
статей, названия литературных
произведений. Так, человек, незнакомый
с содержанием романа Джона Голсуорси
«Beyond»,
не в состоянии понять, почему в переводе
он называется «Сильнее
смерти».
Все становится ясно по прочтении романа,
который повествует о всепоглощающей
любви.

В своей работе
переводчик сталкивается с такими
случаями, когда, выбирая нужный
эквивалент, он не может опереться даже
на широкий контекст и вынужден выйти
за пределы языкового контекста. В таком
случае он имеет дело с экстралингвистическим
(внешнелингвистическим) контекстом,
т.е. он переводит с учетом экстралингвистических
факторов – эпохи, обстановки,
обстоятельств, места и времени, к которым
относится высказывание.

Следующие примеры
позволяют проследить, как по-разному
переводится существительное invasion
в зависимости от места, времени и
обстоятельств, при которых происходило
вторжение
(нашествие
и проч.):

1. The
   invasion
   of Poland by Germany marked a new stage in the course of World War
   II. – Нападение
   Германии
   на
   Польшу
   явилось
   новым
   этапом
   в
   ходе
   Второй
   Мировой
   войны.

Для каждого, кому
знакомы обстоятельства, при которых
немецко-фашистские войска вторглись
(вероломно, внезапно, без объявления
войны) на территорию Польши, очевидно,
что этот акт можно квалифицировать не
иначе, как нападение.

1. Despite
   his pacific views Curt Vonnegut volunteered for military service in
   1943. He served as a scout during the invasion
   of Europe. – Несмотря
   на
   свои
   пацифистские
   взгляды,
   Курт
   Воннегут
   вступил
   добровольцем
   в
   армию
   в
   1943 году.
   Он
   служил разведчиком во время высадки
   союзников в Европе.

Поскольку эта
операция носила характер мощнейшего
десанта, который был переброшен через
Ла-Манш на побережье Нормандии с помощью
целой армады десантных судов и
плавсредств, в этой фразе invasion
является не чем иным, как высадка.

1. The
   Vikings began their invasions from Scandinavia about 800 A.D. and
   went on for about two centuries. – Викинги
   начали
   совершать
   набеги
   из
   Скандинавии
   приблизительно
   в
   800-х
   годах
   нашей
   эры
   и
   продолжали
   этим
   заниматься
   в
   течение
   почти
   двух
   столетий.

В немногих
сохранившихся письменных памятниках
викингов называли «пиратами». Известно
также, что викинги умели строить
прекрасные быстроходные суда. Это
позволяло им заниматься и торговлей,
и грабежами на прибрежных территориях.
Сама история свидетельствует о том,
что здесь слово invasion
следует понимать уже не как нападение
или высадка,
а как набег.

Несомненно, эти
примеры далеко не исчерпывают всех
возможных переводов слова invasion
на фоне экстралингвистического
контекста.

• Что
  такое контекстуальное значение? Чем
  оно характеризуется?

• Какие
  виды контекста существуют? Охарактеризуйте
  каждый из них.

• Переведите
  следующие предложения, стараясь
  найти контекстуальные соответствия
  для слов, выделенных жирным шрифтом:

1. I
   recall no writer, no sociologist, historian or journalist who
   captured
   so memorably
   the condition
   of his time as Charlie Chaplin did in his film “Modern
   Times”…This film portrays a time
   of unemployment and simultaneously the march
   of machines.

2. Nowadays
   some catastrophic weather changes are an example of the environment
   striking
   back
   at people.

3. In
   Britain, though most immigrants have citizenship rights, private
   resentment
   is on the increase.

4. It was
   a friendly
   and comfortable room and, ordinarily, Scarlett liked the quiet
   hours which the family spent there after supper.

5. In
   France most foreign workers hold down unskilled, menial jobs that
   French workers usually scorn
   – on assembly lines
   and cleaning streets.

Соседние файлы в предмете [НЕСОРТИРОВАННОЕ]

• #
• #
• #
• #
• #
• #
• #
• #
• #
• #
• #

Контекстуальное значение слова

контекстуальное значение слова
1. Во многом зависит от характера семантического контекста, от семантики сочетающихся с ним слов. Контекстуальное значение слова всегда очень эффективно как семантически, так и стилистически благодаря своей неожиданности. Она часто используется в стилистических целях и поэтому переводчик сталкивается с двойной задачей: он должен избегать нивелировки и в то же время не нарушать норм ПЯ.
2. Отдельные значения слов, отсутствующие в их смысловой структуре и приобретаемые в контексте в связи с особыми условиями употребления, имеющие переходящий, непостоянный характер, появляющиеся в данный момент и возможные в условиях только данного контекста; представляет собой наиболее неустойчивую, подвижную, колеблющуюся в своем содержании категорию, которая не реализуется в контексте, а возникает в нем.
Ср. предметно-логическое значение слова.
Толковый переводоведческий словарь. – 3-е издание, переработанное. — М.: Флинта: Наука Л. Л. Нелюбин 2003

http://enc-dic.com/translate/Kontekstualnoe-znachenie-slova-1546/

контекстуальное значение слова

Исследования и разработки в области новых г. п . .

Е.А. Доренская, Ю.А. Семенов

информационных технологии и их приложении

УДК 004.912

DOI: 10.25559/SITITO.14.201804.896-902

МЕТОД ОПРЕДЕЛЕНИЯ КОНТЕКСТНЫХ ЗНАЧЕНИЙ СЛОВ И ДОКУМЕНТОВ

Е.А. Доренская1, Ю.А. Семенов1,2

1 Институт теоретической и экспериментальной физики имени А.И.Алиханова Национального исследовательского центра «Курчатовский институт», г. Москва, Россия

2 Московский физико-технический институт (национальный исследовательский университет), г. Долгопрудный, Россия

THE DETERMINATION METHOD FOR CONTEXTUAL MEANINGS OF WORDS AND DOCUMENTS

Elizaveta A. Dorenskaya1, Yuri A. Semenov1,2

1 Institute for Theoretical and Experimental Physics named by A.I. Alikhanov of National Research Centre «Kurchatov Institute», Moscow, Russia

2 Moscow Institute of Physics and Technology, Dolgoprudny, Russia

> Доренская Е.А., Семенов Ю.А., 2018

Ключевые слова

Аннотация

Проблема распознавания контекста; контекстное значение; машинный анализ; семантическая сеть; дерево семантических связей; искусственный интеллект; слово-характеристика; метод Монте-Карло.

В данной статье рассматриваются проблемы и методы программного распознавания контекста слов и документов. Даётся краткий обзор существующих методов анализа текстов, рассмотрен простой алгоритм численного определения контекста слов и документов с помощью семантической сети, которая имеет вид графа древовидной формы. Подробно описана структура семантической сети. Данная семантическая сеть необходима для того, чтобы определить контекст корневого слова W1 с помощью, связанных с ним слов-значений W2. Слова W2 представляют собой возможные значения контекста для слова W1. Словам W2 ставятся в соответствие слова-характеристики W3, которые ассоциированы с W2. При расчете контекстного значения учитываются расстояния между словами W2 и W3, измеряемые в словах, размещенных между ними. Словам W3 присваивается метрика, согласно их смысловой близости к тому или иному из слов W2. Приведена таблица слов W1, W2 и W3 и значений метрик. При контекстном анализе текста документа учитываются возможные вариации слов по числам и падежам. Представлена простая формула для расчета контекстного значения слов и документов. Описана методика проверки достоверности контекста с помощью неравенства Чебышева. Проведён анализ полученных результатов моделирования алгоритма с помощью метода Монте Карло, а также способов настройки и оптимизации параметров данного алгоритма. Приведены таблицы результатов исследования предлагаемого метода оценки контекста слов и документов. Исследования показали, что данный метод оценки контекста отдельных слов и документов применим при анализе текстов, при работе с поисковыми системами, а также для других задач, где важно распознавание контекста машинным способом.

|Об авторах:|

Доренская Елизавета Александровна, инженер-программист, Институт теоретической и экспериментальной физики имени А.И.Алиханова Национального исследовательского центра «Курчатовский институт» (117218, Россия, г. Москва, ул. Большая Черемушкинская, д. 25), ORCID: http://orcid.org/0000-0002-4249-5131, dorenskaya@itep.ru

Семёнов Юрий Алексеевич, кандидат физико-математических наук, ведущий научный сотрудник, Институт теоретической и экспериментальной физики имени А.И.Алиханова Национального исследовательского центра «Курчатовский институт» (117218, Россия, г. Москва, ул. Большая Черемушкинская, д. 25); заместитель заведующего кафедрой информатики и вычислительных сетей, Институт нано-, био-, информационных, когнитивных и социогуманитарных наук и технологий, Московский физико-технический институт (национальный исследовательский университет) (141701, Россия, Московская обл., г. Долгопрудный, Институтский пер., д. 9), ORCID: http://orcid.org/0000-0002-3855-3650, semenov@itep.ru

Современные информационные технологии и ИТ-образование

Том 14 № 4 (2018) ISSN 2411-1473 sitito.cs.msu.ru

Elizaveta A. Dorenskaya, Yuri A. Semenov

Research and development in the field of new IT and their applications

897

Keywords

The problem of context recognition; contextual meaning; machine analysis; semantic network; tree of semantic links; artificial intelligence; word characteristics; Monte Carlo method.

Abstract

Problems and methods are considered for program context recognition of words and text documents. Survey of existent text processing methods is provided, simple numeric algorithm is given for determination of words and documents context with a help of semantic net, having a form of tree type graph. Semantic net structure is described in detail. Given semantic net is needed to fix basic word W1 context by means of words-meaning W2 coupled with it. Words W2 represent possible W1 context meanings. For every word W2 correspond some words-characteristics W3. At the context calculation the distances between words W2 and W3 are taken into account. The distances are measured in words between. Every word W3 has metrics, according to the concept proximity to W2. There is a table of words W1,W2 and W3 with their metrics values. At context document analyses there was taken into account case or number words variations. Simple formula for context calculation is presented. Method of results proofing with a help of Chebyshev inequality is also provided. The context analyses method was checked by Monte-Carlo simulations. Tables of investigation results are provided and some recommendation for algorithm parameters tuning and optimization are also given. The analyses showed that proposed method is quite effective for context estimation at text analyses, and for any systems, where one needs computer recognition of context.

Введение

В наше время проблема распознавания контекста слов компьютером весьма актуальна. Она важна для поисковых систем, машинного перевода, интерпретации текста при грамматическом разборе и в машинном анализе содержания документов.

Проблема определения контекста слова, на данный момент, относится к ЛЬполным задачам, требующим сильного искусственного интеллекта. Повышение удобства взаимодействия компьютера и человека в данной области определяет эффективность тех или иных решений.

Благодаря существованию полисемии, одно и то же слово может употребляться в разных значениях. Например, слово «ключ» может иметь значения ключ от замка или ключ родник или криптоключ. Человек может определить контекстное значение слова, анализируя соседние слова в предложении и сам текст в целом.

Одной из причин, почему для описания алгоритма не используется естественный язык, является контекстная многозначность многих слов.

Человек относительно легко определяет контекстные значения слов в тексте. Для решения задачи он использует много критериев, иногда даже достаточно интуитивно

Для распознавания контекста слов с помощью компьютера часто используют семантические сети, онтологии и тезаурусы.

Мы предлагаем упрощённый легко реализуемый метод анализа контекста.

Цель исследования

Главными недостатками существующих методов является сложность их применения, а также то, что они требуют часто больших вычислительных ресурсов [1-8]. Поэтому целью нашего исследования является создание упрощённого метода машинного определения контекстного значения отдельных слов, частей текста и текстовых файлов.

Основная часть

В данном исследовании считалось, что контекстное значение слова зависит от расстояния L между этим словом и другими

словами, задающими контекст. Расстояние между словами определяется числом слов N размещенных между ними ^=N+1). Предполагалось, что контекст конкретного слова можно определить по положению некоторых семантически связанных с ним слов, содержащихся в тексте.

Корневое слово Ш1 может иметь два или более значений, зависящих от контекста и определяемых словами Ш2. Слова Ш2 могут и отсутствовать в тексте документа. Контекстное значение слова Ш1 в этом случае может определяться семантически связанными с ним словами Ш3. Варианты семантических сетей показаны на рис.1. Вариант А предполагает наличие в тексте документа корневого слова Ш1, которое может иметь разные контекстные значения, определяемые словами Ш2. Некоторые слова-значения Ш2 (например, Ш22) могут в документе отсутствовать (рис. Предполагается, что каждому из слов Ш2 соответствует некоторое число слов Ш3 (слова-характеристики), именно они и определяют выбор контекстного значения слова Ш1. Секция рис. 1С иллюстрирует вариант оценки контекста документа в отсутствии слова Ш2.

С

W3 / W3 /

A / / w3

W2, f ‘ W22 W21 t В | 5 W22 3 W2

W1 • W1 é *W1

Рис. 1. Варианты семантических связей в тексте Fig. 1. Variants of semantic links in the text Рассмотрим это на примере разделения контекстных значений слова «программа»: компьютер и обучение. W1= программа; W21 = компьютер; W22= обучение. Если имеется в виду компьютерная программа, то в тексте могут встретиться слова; подпрограмма, цикл, файл, библиотека, прерывание, память,

Vol. 14, no 4. 2018 ISSN 2411-1473 sitito.cs.msu.ru

Modern Information Technologies and IT-Education

ппп Исследования и разработки в области новых г. п . .

898 , – Е.А. Доренская, Ю.А. Семенов

информационных технологии и их приложении

код, трансляция; цикл; метка; исполнение; исключение; наследование; скрипт; накопитель; синтаксис; присвоение; комментарий; итерация и т.д. Эти слова в таблицу не были включены из-за экономии места. Если имеется в виду программа обучения, в тексте могут встретиться слова: учитель, лектор, студент, тестирование, ЕГЭ, зачет, экзамен и т.д. Эти слова также не

были включены в таблицу из-за экономии места. (см. таблицу 1). Таблица должна быть создана заранее и никак не зависит от исследуемого текста.

Следует иметь в виду, что слова могут встретиться в разных падежах, числах и пр.

Таблица 1. Фрагмент таблицы корневых слов (W1), слов-значений (W2) и слов-характеристик (W3) Table 1. Fragment of the table of root words (W1), word-values (W2) and word-characteristics (W3)

Корневое слово W1 Слова-значения W2 Слова-характеристики 1^3) Метрика [M]

Программа компьютер программирование 70

отладка 60

тестирование 40

подпрограмма^иЬгоШ:те 30

объект 15

файл 26

прерывание 40

Оперативная память 70

переменная 30

константа 20

SSD 30

массив/аггау 50

библиотека (программ) 15

язык (программирования – название) 60

обучение пособие 45

преподаватель 50

учащийся 95

учебник 90

дистанционное 70

В таблицу заносятся только слова, имеющие два или более контекстных значений ^2). Полная таблица даже для отдельной области знаний может быть в сотни раз больше. Содержимое таблицы должно храниться в банке данных, что облегчит доступ к хранящимся в ней словам.

В первой колонке таблицы размешаются слова, которые могут иметь несколько контекстных значений (корневые слова – W1) и могут также определять контекст документа в целом. Во второй колонке ^2) помещаются слова, которые обозначают возможные контекстные значения слов из первой колонки. В третьей колонке ^3) записаны слова, конкретизирующие значения слов из второй и первой колонки. Слова из этих трех колонок образуют древовидный граф. Значения метрики М относятся к словам из третьей колонки таблицы.

Значения метрик может настраиваться с помощью контрольных текстов на стадии отладки системы. Слово в первой колонке является корнем дерева семантических связей. Любое из слов первой колонки ^1), второй ^2 и третьей -^3) может встретиться в документе больше одного раза. Слово из колонки W1 должно присутствовать в документе обязательно, в противном случае не возникает задачи определения его контекстного значения. Слову из второй колонки, если оно встретилось в документе, присваивается метрика М=100. Но это должно учитываться лишь при определении контекстного значения всего документа. Слово из второй колонки, определяющее контекстное значение слова из первой колонки, может и не встречаться в документе вовсе.

При отсутствии в тексте слова из второй колонки, но при наличии слов из третьей колонки, сопряженных с ним семантически, можно однозначно определить контекстное значение

слова из первой колонки ^1).

Можно предположить, что чем ближе слово-характеристика к слову из вышестоящей вершины графа, тем с большей вероятностью оно определяет контекст этого слова. Наличие слова из третьей колонки, размещенного в тексте ближе к слову из второй колонки, должно влиять на выбор контекстного значения слова сильнее, чем в случае слов, размещенных дальше. Одним из возможных методов оценки контекстного значения слова может быть формула [1].

После того как положение слов W1, W2 и W3 определено, производится вычисление суммы С

Гам«/ (Ь,.)); [Ц

где С – мера, определяющая контекстное значение слова W1, L – расстояние между словом, например, «компьютер» и «отладка» (см. табл. 1), М. – метрика слова-характеристики W3 (М=1^100), т – число семантически связанных слов W3 (см. таблицу 1), / (Ь,) – весовая функция от Ь,, , – номер встретившегося слова из колонки 3. В простейшем случае/(Ь.)=1/Ь. , а для небольших документов / (Ь,) =1 . L определяется числом слов N размещенных между словом W2 и одним из слов W3 ^=N+1). Весовая функция/ (Ь) нужна для ослабления влияния удаленных слов на оценку контекстного значения слова W1. Если в тексте присутствует две или более копий слова W2, формула [1] может быть модифицирована.

Для больших документов контекст каждого конкретного слова W1 может оказаться разным для разных областей документа. Размер области может быть настраиваемым, с дискретом в одну страницу (~400 слов). При этом можно варьировать начало и размер области и отслеживать вариации значений С и контекстного значения конкретного слова W1.

Современные информационные технологии и ИТ-образование

Том 14 № 4 (2018) ISSN 2411-1473 sitito.cs.msu.ru

rl. ^ . ~ i x, • . o Research and development in the field

Elizaveta A. Dorenskaya, Yuri A. Semenov

of new IT and their applications

Индекс к для С определяет, к какому из возможных значений относится данная мера (к=1,..п). смотри вторую колонку таблицы 1. п – число возможных значений слова (чаще всего п=2^3). Значение слова Ш2 с большим значением С в контекстном смысле считается предпочтительным.

Значения М. выбираются при настройке с использованием

тестовых документов.

В таблице 2 представлены данные анализа контекста в конкретных файлах. Расчеты контекста были проведены для более чем 10 файлов. Значения С вычислены по формуле [1]. В скобках приведено число слов Ш1, Ш2 и Ш3, обнаруженных в конкретном документе.

Таблица 2. Примеры результатов контекстного анализа Table 2. Examples of context analysis results

URL файла Число слов Корневые слова (W1) Слова- значения (Ш2) Слова-характе-ристики (W3) Значения С

http://book.itep.rU/4/6/blockchain.htm «Технология blockchain» 5180 Программа (7) Компьютер (3) Объект (5) файл (24) код (6) 8,69

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

Реализация проекта (9) Этап (1) Инновация (2) 4,04

План (0) Годовой (1) 0,045

http://book.itep.ru/6/i2p.htm «Стек протоколов I2P и немного о TOR» 10812 Программа (5) Компьютер (2) Метка (30) Объект (7) Файл (5) тестирование (9) код (19) html (13) сайт (6) бит (6) 9,51

Реализация проекта (16) Этап (9) 1,58

План (0) Обслуживание (1) 0,022

http://book.itep.ru/4/6/set 66.htm «SET и другие системы осуществления платежей» 40631 Программа (62) Компьютер (0) Объект (33) код (146) бит (14) массив (5) метка (4) переменная (5) исключение (6) 9,12

Реализация проекта (18) Этап (14) Стоимость (12) 2,38

План (0) Обслуживание (9) 0,059

Если бы для таблицы 1 в семантической цепочке слова “программа” среди слов-характеристик присутствовало слово ЫоскЛат (статья «Технология ЫоскЛат»), то значение С для слова-значения «компьютер» было бы равно 32,54, а не 8,69. Из этого следует, что полнота семантической сети (таблицы 1) существенно влияет на результаты оценки контекстного значения слова или документа.

Механизм распознавания контекста моделировался по методу Монте-Карло. Предполагалось, что в документе имеется N слов. При моделировании считалось, что положение слов в документе имеет постоянную плотность вероятности (слова размещены в документе статистически равномерно, что не всегда справедливо).

Для анализа в документ засевались случайным образом слова «программа» и слова-характеристики.

На рис. 2 представлено распределение вероятности значений С при фиксированном положении слова «программа» и случайном распределении положений слов-характеристик (п=213) в документе, содержащем 40000 слов.

По вертикальной оси отложено значение вероятности, а по горизонтальной – значение суммы С. Для выявления статистического распределения С расчет повторяется 10000 раз. Распределение С имеет гауссоподобную форму, но имеет относительно длинный «хвост» в сторону больших значений С.

Рис. 2. Распределение плотности вероятности для значения С Fig. 2. Distribution in frequency for the value of C

Распределение плотности вероятности позволяет оценить эффективность идентификации контекстных значений слов и документов.

Опробовались варианты, где вместо весовой функции 1/L. используется 1/L2 или exp(-aL), где a – постоянный коэффициент <1. Варианты сравнивались по отношению a/C., где C – среднее значение С, вычисленное по формуле [1], а a – средкеквадратичная

Vol. 14, no 4. 2018 ISSN 2411-1473 sitito.cs.msu.ru

Modern Information Technologies and IT-Education

900

Исследования и разработки в области новых

Е.А. Доренская, Ю.А. Семенов

информационных технологии и их приложении

ошибка определения С. Зависимость отношения а/С от формы весовой функции оказалась слабой. Для определенных классов документов могут использоваться специальные весовые функции, где при малых значениях Ь весовая функция характеризуется константой, а в области больших Ь быстро стремится к нулю.

Полученные результаты

На рис. 3 показана зависимость значения С (ромбики) и его среднеквадратичного отклонения (квадратики – а) от числа слов-характеристик в документе (10^150). Документ содержал 40000 слов.

Рис. 3. Зависимость С (ромбики) и аС (квадратики) от числа слов-характеристик в документе (10-150) Fig. 3. Dependence of C (diamonds) and аС (squares) on the number of word-characteristics in the document (10-150)

Из рисунка видно, что значение среднеквадратичного отклонения C (аС) практически всегда больше C. Для нас важно уметь определить, какова вероятность того, что полученное значение С задает корректно то или иное контекстное значение слова из первой колонки (W1).

Вероятность p, например, получения определенного значения С может быть оценена на основе распределения плотности вероятности. Вероятность P получения С=9,12 (см. рис. 2) равна 0,06, при этом вероятность С=2,38 <0,001.

В случае использования неравенства Чебышева [9] имеем: р(|х-С|£ДС)5(а2/(ДС)2) [2]

Это неравенство определяет верхнюю грани_цу вероятности того, что разность случайной величины х и С превышает определенный порог ДС для произвольного распределения с дисперсией а2 и средним значением С.

Рассмотрим третий пример из таблицы 2. При 62 словах «программа» в документе «SET и другие системы осуществления платежей» можно вычислить значение для слова «компьютер» С = 9,12 и а =14,0. Для слова «реализация» (программы) С = 2,38, а а=4,73.

ДС = 9,12-2,38 = 6,74 (разница между математическими ожиданиями взятых нами распределений.

Неравенство Чебышева для этого случая имеет вид: Р(|Х-2,38|й(9,12-2,38)) 5 4,732/(9,12-2,38)2 Р(|Х-2,38|^6,74) 5 4,732/6,742 Исходя из этого получается что: Р(|Х-2,38|£6,74) 5 0,49

Это вполне согласуется с оценкой по плотности вероятностей при моделировании (рис. 2) и подтверждает корректность распознавания контекста. Во всех полутора десятках документов, подвергнутых программному анализу, контекст был определен корректно.

Неравенство Чебышева удобно использовать, когда число слов W1 в документе достаточно велико.

Заключение

Предложенный метод оценки контекстных значений слов и документов нельзя считать универсальным. В нем, в частности, не учитываются смысловые связи. Но предложенный алгоритм легко реализовать, он не требует сложной программной реализации, серьезных вычислительных ресурсов и в большинстве случаев дает правильную оценку значения контекста.

Список использованных источников

[1] Усталое Д.А. Модели, методы и алгоритмы построения семантической сети слов для задач обработки естественного языка: дис…..канд. физ.-мат.н. Екатеринбург, 2017, 129 с.

[2] БондарчукД.В. Определение семантической близости термов с помощью контекстного множества // Компьютерный анализ изображений: Интеллектуальные решения в промышленных сетях (CAI-2016): сборник научных трудов по материалам I Международной конференции 5-6 мая 2016 г./ Под общ. ред. А.Г. Тягунова. Екатеринбург: Изд-во УМЦ УПИ, 2016. С. 175-179. URL: https://elibrary.ru/ item.asp?id=28549507 (дата обращения: 12.06.2018).

[3] Добрынин В.Ю., Клюев B.B., Некрестьянов И.С. Оценка тематического подобия текстовых документов // Тр. второй всероссийской научной конф. «Электронные библиотеки: Перспективные методы и технологии, электронные коллекции». Протвино, 2000. С. 204-210. URL: http://rcdl. ru/doc/2000/069.pdf (дата обращения: 12.06.2018).

[4] Ильвовский Д.А. Модели, алгоритмы и программные комплексы обработки текстовых данных на основе решеток замкнутых описаний: дис. канд. тех.н. Москва, 2014. 158 с.

[5] Малахов Д.А., Серебряков В.А. Модель семантического поиска на базе тезауруса // CEUR Workshop Proceedings. 2017. Vol. 2022. C. 191-196. URL: http://ceur-ws.org/Vol-2022/paper32.pdf (дата обращения: 12.06.2018).

[6] Воронина И.Е, Кретов А.А., Попова И.В. Алгоритмы определения семантической близости ключевых слов по их окружению в тексте // Вестник ВГУ Серия: Системный анализ и информационные технологии. 2010. № 1. С. 148-153. URL: https://elibrary. ru/item.asp?id=15199663 (дата обращения: 12.06.2018).

[7] Крейнес М.Г. Модели текстов и текстовых коллекций для поиска и анализа информации // Труды Московского физико-технического института. 2017. Том 9, № 3. С. 132142. URL: https://elibrary.ru/item.asp?id=32736043 (дата обращения: 12.06.2018).

[8] Турдаков Д.Ю. Методы и программные средства разрешения лексической многозначности терминов на основе сетей документов: дис…..канд. физ.-мат.н. Москва, 2010. 138 с.

[9] Прохоров Ю.В., Розанов Ю.А. Теория вероятностей. Основные понятия, предельные теоремы, случайные процессы. М.: Наука, 1967. 495 с.

[10] Rishel T., Perkins L.A., Yenduri S., Zand F. Determining the context of text using augmented latent semantic indexing // Journal of the American Society for Information Science and Technology. 2007. Vol. 58, issue 14. Pp. 2197-2204. DOI: 10.1002/asi.20687

[11] Chen J, Scholz U, Zhou R, Lange M. LAILAPS-QSM: A RESTful API and JAVA library for semantic query suggestions // PLoS Computational Biology. 2018. Vol. 14, issue 3. Art. e1006058. DOI: 10.1371/journal.pcbi.1006058

Современные информационные технологии и ИТ-образование

Том 14 № 4 (2018) ISSN 2411-1473 sitito.cs.msu.ru

г|. , „ г, | „ • . 0 Research and development in the field

Elizaveta A. Dorenskaya, Yuri A. Semenov

of new IT and their applications

[12] Yang L., Zhang J. Automatic transfer learning for short text mining // EURASIP Journal on Wireless Communications and Networking. 2017. Vol. 2017, issue 1:42. 8 p. DOI: 10.1186/ s13638-017-0815-5

[13] Yan E., Williams J., Chen Z. Understanding disciplinary vocabularies using a full-text enabled domain-independent term extraction approach // PLoS ONE. 2017. Vol. 12, issue 11. Art. e0187762. DOI: 10.1371/journal.pone.0187762

[14] Arras L., Horn F., Montavon G., Müller K.-R, Samek W. “What is relevant in a text document?”: An interpretable machine learning approach // PLoS ONE. 2017. Vol. 12, issue 8. Art. e0181142. DOI: 10.1371/journal.pone.0181142

[15] Eidlin A.A., Eidlina M.A., Samsonovich A.V. Analyzing weak semantic map of word senses // Procedia Computer Science. 2018. Vol. 123. Pp. 140-148. DOI: 10.1016/j.procs.2018.01.023

[16] Samsonovich A.V. Weak Semantic Map of the Russian Language: Preliminary Results // Procedia Computer Science. 2016. Vol. 88. Pp. 538-543. DOI: 10.1016/j.procs.2016.08.001

[17] Wei T., Lu Y., Chang H., Zhou Q., Bao X. A semantic approach for text clustering using WordNet and lexical chains // Expert Systems with Applications. 2015. Vol. 42, issue 4. Pp. 22642275. DOI: 10.1016/j.eswa.2014.10.023

[18] Zhan J., Dahal B. Using deep learning for short text understanding // Journal of Big Data. 2017. Vol. 4, issue 34. 15 p. DOI: 10.1186/s40537-017-0095-2

[19] Khenner E., Nasraoui O. A bilingual semantic network of computing concepts // Procedia Computer Science. 2016. Vol. 80. Pp. 2392-2396. DOI: 10.1016/j.procs.2016.05.460

[20] Батура Т.В. Семантический анализ и способы представления смысла текста в компьютерной лингвистике // Программные продукты и системы. 2016. № 4. C. 45-57. DOI: 10.15827/0236-235X.116.045-057

[21] Мозговой М.В. Машинный семантический анализ русского языка и его применения: дис…..канд. физ.-мат.н. СПб, 2006. 116 с.

[22] Надеждин Е.Н. Прикладные задачи семантического анализа текстовых документов // Фундаментальные исследования. 2017. № 1. С. 94-100. URL: https://elibrary.ru/ item.asp?id=28307282 (дата обращения: 12.06.2018).

[23] Боярский К.К. Введение в компьютерную лингвистику. СПб: НИУ ИТМО, 2013. 72 с. URL: http://books.ifmo.ru/file/ pdf/1470.pdf (дата обращения: 12.06.2018).

[24] Шелманов А.О. Исследование методов автоматического анализа текстов и разработка интегрированной системы

семантико-синтаксического анализа: дис…..канд. тех.н.

Москва, 2015. 182 с.

[25] Батура Т.В. Математическая лингвистика и автоматическая обработка текстов на естественном языке. Новосибирск: РИЦ НГУ 2016. 166 с. URL: https://www.iis.nsk.su/ files/book/file/Batura_Matlingvistika_i_avtomat._obrabotka_ tekstov.pdf (дата обращения: 12.06.2018).

[26] Марченко А.А., Никоненко А.А. Контекстный семантический анализ текста. Система текстового мониторинга и качественного оценивания фокусного объекта // Искусственный интеллект. 2008. № 3. С. 808-813. URL: http:// dspace.nbuv.gov.ua/bitstream/handle/12 345 6 789/ 7155/02-Marchenko.pdf?sequence=1 (дата обращения: 12.06.2018).

[27] Большакова Е.И., Воронцов К.В., Ефремова Н.Э., Клышин-скийЭ.С.,Лукашевич Н.В., Сапин А.С. Автоматическая обработка текстов на естественном языке и анализ данных.

Москва: Изд-во НИУ ВШЭ, 2017. 269 с. URL: https://www. hse.ru/data/2017/08/12/1174382135/NLP_and_DA.pdf (дата обращения: 12.06.2018).

[28] Орлова Ю.А. Автоматизация семантического анализа текста технического задания: дис…..канд. тех.н. Волгоград,

2008. 228 с. URL: https://elibrary.ru/item.asp?id=16191917 (дата обращения: 12.06.2018).

[29] Святогор Л., Гладун В. Семантический анализ текстов естественного языка: цели и средства // International Book Series «Information Science and Computing». Knowledge – Dialogue – Solution. Supplement to International Journal «Information Technologies and Knowledge». 2009. Vol. 3. С. 9-18. URL: http://www.foibg.com/ibs_isc/ibs-15/ ibs-15-p01.pdf (дата обращения: 12.06.2018).

Поступила 12.06.2018; принята в печать 10.09.2018; опубликована онлайн 10.12.2018.

References

[1] Ustalov D.A. Modeli, metody i algoritmy postroeniya seman-ticheskoj seti slov dlya zadach obrabotki estestvennogo yazy-ka. Diss. kand. fiz.-mat. nauk [Models, methods and algorithms for constructing a semantic network of words for natural language processing problems]. Ekaterinburg, 2017. 129 p. (In Russian)

[2] Bondarchuk D.V. Calculating the semantic relatedness of terms with the context set. Proceedings of the First Computer Image Analysis; Intelligent Solutions in Industrial Networks. Ekaterinburg. 2016, pp. 175-179. Available at: https://elibrary.ru/item. asp?id=28549507 (accessed 12.06.2018). (In Russian)

[3] Dobrynin V.Yu., Klyuev B.B., Nekrestyanov I.S. Evaluation of the thematic similarity of text documents. Digital Libraries; Advanced Methods and Technologies. Protvino, 2000, pp. 204210. Available at: http://rcdl.ru/doc/2000/069.pdf (accessed 12.06.2018). (In Russian)

[4] Ilvovski D.A. Modeli, algoritmy i programmnye kompleksy obrabotki tekstovyh dannyh na osnove reshetok zamknutyh opisanij. Diss. kand. tekh. nauk [Models, algorithms and software systems for processing text data based on lattices of closed descriptions]. Moscow, 2014. 158 p. (In Russian)

[5] Malakhov D.A., Serebryakov V.A. The Semantic Search Model Based on the Thesaurus. CEUR Workshop Proceedings. 2017; 2022:191-196. Available at: http://ceur-ws.org/Vol-2022/ paper32.pdf (accessed 12.06.2018). (In Russian)

[6] Voronina E.I., Kretov A.A., Popova I.V. Algorithms of semantic proximity assessment based on the lexical environment of the keywords in a text. Proceedings of Voronezh State University. Series; Systems analysis and information technologies. 2010; 1:148-153. Available at: https://elibrary.ru/item.as-p?id=15199663 (accessed 12.06.2018). (In Russian)

[7] Kreines M.G. Text and text corpora models for information retrieval and analysis. Proceedings of MIPT. 2017; 9(3):132-142. Available at: https://elibrary.ru/item.asp?id=32736043 (accessed 12.06.2018). (In Russian)

[8] Turdakov D.Y. Metody i programmnye sredstva razresheniya leksicheskoj mnogoznachnosti terminov na osnove setej do-kumentov. Diss. kand. fiz.-mat. nauk [Methods and software tools for the resolution of lexical ambiguity of terms based on networks of documents]. Moscow, 2010. 138 p. (In Russian)

Vol. 14, no 4. 2018 ISSN 2411-1473 sitito.cs.msu.ru

Modern Information Technologies and IT-Education

Исследования и разработки в области новых г. п . .

902 , – Е.А. Доренская, Ю.А. Семенов

информационных технологий и их приложений

[9] Prokhorov U.V., Rozanov U.A. Teoriya veroyatnostey. Os-novnye ponyatiya, predel’nye teoremy, sluchajnye process [Theory of probabilities. Basic concepts, limit theorems, random processes]. 2nd ed. Moscow: Nauka, 1973. 494 p. (In Russian)

[10] Rishel T., Perkins L.A., Yenduri S., Zand F. Determining the context of text using augmented latent semantic indexing. Journal of the American Society for Information Science and Technology. 2007; 58(14):2197-2204. DOI: 10.1002/asi.20687

[11] Chen J., Scholz U., Zhou R., Lange M. LAILAPS-QSM: A RESTful API and JAVA library for semantic query suggestions. PLoS Computational Biology. 2018; 14(3):e1006058. DOI: 10.1371/ journal.pcbi.1006058

[12] Yang L., Zhang J. Automatic transfer learning for short text mining. EURASIP Journal on Wireless Communications and Networking. 2017; 2017(1):42. 8 p. DOI: 10.1186/s13638-017-0815-5

[13] Yan E., Williams J., Chen Z. Understanding disciplinary vocabularies using a full-text enabled domain-independent term extraction approach. PLoS ONE. 2017; 12(11):e0187762. DOI: 10.1371/journal.pone.0187762

[14] Arras L., Horn F., Montavon G., Müller K.-R., Samek W. “What is relevant in a text document?”: An interpretable machine learning approach. PLoS ONE. 2017; 12(8):e0181142. DOI: 10.1371/journal.pone.0181142

[15] Eidlin A.A., Eidlina M.A., Samsonovich A.V. Analyzing weak semantic map of word senses. Procedia Computer Science. 2018; 123:140-148. DOI: 10.1016/j.procs.2018.01.023

[16] Samsonovich A.V. Weak Semantic Map of the Russian Language: Preliminary Results. Procedia Computer Science. 2016; 88:538-543. DOI: 10.1016/j.procs.2016.08.001

[17] Wei T., Lu Y, Chang H., Zhou Q., Bao X. A semantic approach for text clustering using WordNet and lexical chains. Expert Systems with Applications. 2015; 42(4):2264-2275. DOI: 10.1016/j.eswa.2014.10.023

iНе можете найти то, что вам нужно? Попробуйте сервис подбора литературы.

[18] Zhan J., Dahal B. Using deep learning for short text understanding. Journal of Big Data. 2017; 4(34). 15 p. DOI: 10.1186/ s40537-017-0095-2

[19] Khenner E., Nasraoui O. A bilingual semantic network of computing concepts. Procedia Computer Science. 2016; 80:23922396. DOI: 10.1016/j.procs.2016.05.460

[20] Batura T.V. Semantic analysis and methods of text meaning representation in computer linguistics. Programmnye produk-ty i sistemy = Software & Systems. 2016; 4:45-57. (In Russian) DOI: 10.15827/0236-235X.116.045-057

[21] Mozgovoy M.V. Mashinnyj semanticheskij analiz russkogo ya-zyka i ego primeneniya. Diss. kand. fiz.-mat. nauk [Machine

semantic analysis and its applications of the Russian language]. St. Petersburg, 2006. 116 p. (In Russian)

[22] Nadezhdin E.N. Applied problems of semantic analysis of text documents. Fundamental research. 2017; 1:94-100. Available at: https://elibrary.ru/item.asp?id=28307282 (accessed 12.06.2018). (In Russian)

[23] Boyarsky K.K. Introduction to Computer Linguistics. St. Petersburg, ITMO University. 2013, 73 p. Available at: http:// books.ifmo.ru/file/pdf/1470.pdf (accessed 12.06.2018). (In Russian)

[24] Shelmanov A.O. Issledovanie metodov avtomaticheskogo analiza tekstov i razrabotka integrirovannoj sistemy seman-tiko-sintaksicheskogo analiza. Diss. kand. tekh. nauk [Research of methods of automatic text analysis and development of an integrated system of semantic and syntactic analysis]. Moscow, 2015. 182 p. (In Russian)

[25] Batura T.V. Mathematical linguistics and automatic processing of natural language texts. Novosibirsk, NSU, 2016. 166 p. Available at: https://www.iis.nsk.su/files/book/file/Batura_ Matlingvistika_i_avtomat._obrabotka_tekstov.pdf (accessed 12.06.2018). (In Russian)

[26] Marchenko O.O., Nikonenko A.A. The Contextual Semantic Analysis of Natural Language Text. System of Text Monitoring and Qualitative Estimation of the Focus Object. Artificial intelligence. 2008; 3:808-813. Available at: http://dspace.nbuv. gov.ua/bitstream/handle/123456789/7155/02-Marchenko. pdf?sequence=1 (accessed 12.06.2018). (In Russian)

[27] Bolshakova E.I., Vorontsov K.V., Efremova N.E., Klyshinsky E.S., Lukashevich N.V. Sayapin A.S. Automatic text processing in natural language and data analysis. Moscow, HSE, 2017. 269 p. Available at: https://www.hse.ru/data/2017/08/12 /1174382135/ NLP_and_DA.pdf (accessed 12.06.2018). (In Russian)

[28] Orlova Yu.A. Avtomatizaciya semanticheskogo analiza teksta tekhnicheskogo zadaniya. Diss. kand. tekh. nauk [Automation of semantic analysis of the text of the technical task]. Volgograd, 2008. 228 p. Available at: https://elibrary.ru/item.as-p?id=16191917 (accessed 12.06.2018). (In Russian)

[29] Svyatogor L., Gladun V. Semantic analysis of natural language texts: goals and instruments International. Book Series «Information Science and Computing». Knowledge – Dialogue – Solution. Supplement to International Journal «Information Technologies and Knowledge». 2009; 3:9-18. Available at: http:// www.foibg.com/ibs_isc/ibs-15/ibs-15-p01.pdf (accessed 12.06.2018). (In Russian)

Submitted 12.06.2018; revised 10.09.2018; published online 10.12.2018.

bout the authors:

Elizaveta A. Dorenskaya, software engineer, Institute for Theoretical and Experimental Physics named by A.I. Alikhanov of National Research Centre «Kurchatov Institute» (25 Bolshaya Cheremushkinskaya Str., Moscow 117218, Russia), ORCID: http://orcid.org/0000-0002-4249-5131, dorenskaya@ itep.ru

Yuri A. Semenov, Candidate of Physical and Mathematical Sciences, Lead Researcher, Institute for Theoretical and Experimental Physics named by A.I. Alikhanov of National Research Centre «Kurchatov Institute» (25 Bolshaya Cheremushkinskaya Str., Moscow 117218, Russia); Deputy Head of the Department of Informatics and Computer Networks, Institute of Nano-, Bio-, Information, Cognitive and Socio-humanistic Sciences and Technologies, Moscow Institute of Physics and Technology (9 Institutskij per., Dolgoprudny 141701, Moscow region, Russia), ORCID: http://orcid.org/0000-0002-3855-3650, semenov@itep.ru

This is an Open Access article distributed under the terms ofthe Creative Commons Attribution License (http://creativecommons.org/licenses/by/4.0), which permits unrestricted reuse, distribution, and reproduction in any medium provided the original work is properly cited.

Современные информационные технологии и ИТ-образование

Том 14 № 4 (2018) ISSN 2411-1473 sitito.cs.msu.ru