Preview

Труды Института системного программирования РАН

Расширенный поиск

Применение ассоциативно-семантического препроцессора в интерактивных диалоговых системах на естественном языке

https://doi.org/10.15514/ISPRAS-2018-30(4)-13

Аннотация

В статье исследуется возможность применения ассоциативно-семантического препроцессора специальной обработки текста на естественном языке в диалоговых системах. Применение в препроцессоре ассоциаций позволяет абстрагироваться от прямого значения слова и заменить его на набор других слов. Этот эффект имеет и обратное действие: по набору слов (ассоциаций) можно восстановить искомое слово, что позволяет человеку формировать запрос на естественном языке, не зная ключевых слов или терминов той или иной предметной области, но при этом получать нужный ему результат. При семантической обработке текста с использованием ассоциаций совершенно не важен порядок слов и их количество, что позволяет человеку общаться с машиной, не формируя фразы специальным образом, так как интерактивная диалоговая система сама обработает запрос, очистив его от всего лишнего. Применение специального текстового препроцессора на основе ассоциативно-семантической обработки текста позволяет наделить интерактивные диалоговые системы способностью к пониманию темы диалога машины с пользователем, улучшить взаимодействие путем общения на естественном языке, а также упростить процесс создания и разработки диалоговых систем.

Об авторе

В. Е. Сачков
ФГБОУ ВО МИРЭА - Российский технологический университет
Россия


Список литературы

1. Сачков В.Е., Гильмутдинова Е.Ф., Матяш Е.Д., Акимов Д.А. Обработка и компьютерный анализ текста на естественных языках. Современная наука: актуальные проблемы теории и практики, серия Естественные и технические науки, № 12, 2016 г., стр. 57-64

2. Weizenbaum J. Computer Power and Human Reason: From Judgment to Calculation. Freeman and Company, New York, 1976, 281 p.

3. Wallace R. S. The Anatomy of A.L.I.C.E. In Parsing the Turing Test. Springer, 2009, pp. 181-210

4. Прикладная и компьютерная лингвистика. Под ред. И. С. Николаева, О. В. Митриениной, Т. М. Ландо. М., ЛЕНАНД, 2016, 320 стр.

5. Serban I. V., Lowe R., Henderson P., Charlin L., Pineau J. A Survey of Available Corpora for Building Data-Driven Dialogue Systems [электронный ресурс] URL: https://arxiv.org/abs/1512.05742 (дата обращения: 01.06.18)

6. Walker M., Litman D., Kamm C., Abella A. Paradise: A framework for evaluating spoken dialogue agents, In Proc. of the Eighth Conference on European chapter of the Association for Computational Linguistics, Spain, 1997, pp. 271-280

7. Chia-Wei Liu, Lowe R., Serban I. V., Noseworthy M., Charlin L., Pineau J. How NOT to Evaluate Your Dialogue System: An Empirical Study of Unsupervised Evaluation Metrics for Dialogue Response Generation [электронный ресурс] URL: https://arxiv.org/abs/1603.08023 (дата обращения: 01.06.18)

8. Henderson M., Thomson B., Williams J. The Second Dialog State Tracking Challenge [электронный ресурс] URL: http://camdial.org/~mh521/dstc/downloads/handbook.pdf (дата обращения: 01.06.18)

9. Hochreiter S., Schmidhuber J. Long Short-Term Memory. Neural Computation, vol. 9, issue 8, 1997, pp.1735-1780

10. Serban I. V., Sordoni A., Bengio Y., Courville A., Pineau J. Building End-To-End Dialogue Systems Using Generative Hierarchical Neural Network Models [электронный ресурс] URL: https://arxiv.org/abs/1507.04808 (дата обращения: 01.06.18)

11. W3C Semantic web activity [электронный ресурс]. URL: https://www.w3.org/2001/sw/ (дата обращения: 25.06.2018)

12. Среда Описания Ресурса (RDF): Понятия и Абстрактный Синтаксис [электронный ресурс]. URL: https://www.w3.org/2007/03/rdf_concepts_ru (дата обращения: 20.02.2017)

13. Landauer T., Foltz P. W., Laham D. Introduction to Latent Semantic Analysis. Discourse Processes, vol. 25, issue 2-3, 1998, pp. 259-284

14. Tomas Mikolov, Quoc V. Le, Ilya Sutskever Exploiting Similarities among Languages for Machine Translation [электронный ресурс] URL: https://arxiv.org/pdf/1309.4168.pdf (дата обращения: 20.04.2017)

15. Levy O., Golberg Y., Dagan I. Improving Distributional Similarity with Lessons Learned from Word Embeddings [электронный ресурс] URL: http://www.aclweb.org/anthology/Q15-1016 (дата обращения: 01.06.2018)

16. Altszyler E., Sigman M., Ribeiro S., Slezak D.F. Comparative study of LSA vs Word2vec embeddings in small corpora: a case study in dreams database [электронный ресурс] URL: https://arxiv.org/pdf/1610.01520.pdf (дата обращения: 01.06.2018)

17. Семантическое ядро [электронный ресурс] URL: https://ru.wikipedia.org/wiki/Семантическое_ядро (дата обращения: 25.05.2017)

18. Rubner Y., Tomasi C., Guibas L. J. A metric for distributions with applications to image databases. In Proc. of the Sixth International Conference on Computer Vision, 1998, pp. 59-66

19. AIML: Artificial Intelligence Markup Language [электронный ресурс] URL: http://www.alicebot.org/aiml.html (дата обращения: 13.06.2017)

20. Jason D. M., Rennie, Shih L., Teevan J., Karger D. R. Tackling the Poor Assumptions of Naive Bayes Text Classifiers. In Proc. of the Twentieth International Conference on Machine Learning (ICML), 2003, pp. 616-623

21. Морозова Ю.И. Построение семантических векторных пространств различных предметных областей. Третья школа молодых ученых ИПИ РАН. Сборник докладов, 2012, стр. 4-11


Рецензия

Для цитирования:


Сачков В.Е. Применение ассоциативно-семантического препроцессора в интерактивных диалоговых системах на естественном языке. Труды Института системного программирования РАН. 2018;30(4):195-208. https://doi.org/10.15514/ISPRAS-2018-30(4)-13

For citation:


Sachkov V.E. The use of associative semantic preprocessor in the interactive dialogue systems in natural language. Proceedings of the Institute for System Programming of the RAS (Proceedings of ISP RAS). 2018;30(4):195-208. (In Russ.) https://doi.org/10.15514/ISPRAS-2018-30(4)-13



Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 2079-8156 (Print)
ISSN 2220-6426 (Online)