دسترسی نامحدود
برای کاربرانی که ثبت نام کرده اند
برای ارتباط با ما می توانید از طریق شماره موبایل زیر از طریق تماس و پیامک با ما در ارتباط باشید
در صورت عدم پاسخ گویی از طریق پیامک با پشتیبان در ارتباط باشید
برای کاربرانی که ثبت نام کرده اند
درصورت عدم همخوانی توضیحات با کتاب
از ساعت 7 صبح تا 10 شب
دسته بندی: زبانشناسی ویرایش: نویسندگان: Federica Marano سری: X Ciclo – Nuova Serie 2008-2011 ناشر: Universitá degli Studi di Salerno سال نشر: 2011 تعداد صفحات: 168 زبان: English فرمت فایل : PDF (درصورت درخواست کاربر به PDF، EPUB یا AZW3 تبدیل می شود) حجم فایل: 4 مگابایت
کلمات کلیدی مربوط به کتاب بررسی مدلهای رسمی ساختار دادههای زبانی. راه حل های پیشرفته برای سیستم های مدیریت دانش بر اساس برنامه های کاربردی NLP: سیستم مدیریت دانش، پردازش زبان طبیعی، NLP، مدل رسمی زبانی، مدل رسمی ترکیبی
در صورت تبدیل فایل کتاب Exploring Formal Models of Linguistic Data Structuring. Enhanced Solutions for Knowledge Management Systems Based on NLP Applications به فرمت های PDF، EPUB، AZW3، MOBI و یا DJVU می توانید به پشتیبان اطلاع دهید تا فایل مورد نظر را تبدیل نمایند.
توجه داشته باشید کتاب بررسی مدلهای رسمی ساختار دادههای زبانی. راه حل های پیشرفته برای سیستم های مدیریت دانش بر اساس برنامه های کاربردی NLP نسخه زبان اصلی می باشد و کتاب ترجمه شده به فارسی نمی باشد. وبسایت اینترنشنال لایبرری ارائه دهنده کتاب های زبان اصلی می باشد و هیچ گونه کتاب ترجمه شده یا نوشته شده به فارسی را ارائه نمی دهد.
هدف اصلی این پژوهش، تشریح میزان رسمی است مدلها برای ساختار دادههای زبانی در زبان طبیعی بسیار مهم هستند برنامه های پردازش (NLP). از این نظر، ما به آن دسته از سیستم های مدیریت دانش (KMS) که هستند توجه ویژه ای خواهیم داشت طراحی شده برای اینترنت، و همچنین به راه حل های پیشرفته آنها ممکن است نیاز. برای پرداختن مناسب به این موضوعات به تشریح می پردازیم نحوه دستیابی به کاربردهای زبانشناسی محاسباتی که برای انسانها در ایجاد و حفظ یک رابطه سودمند با فن آوری ها، به ویژه با آن دسته از فن آوری هایی که بر اساس یا ایجاد تعاملات انسان و ماشین به زبان طبیعی. ما رابطه مثبتی را که ممکن است بین وجود داشته باشد بررسی خواهیم کرد منابع زبانی (LR) و KMS با ساختار مناسب به منظور بیان که اگر معماری اطلاعات یک KMS مبتنی بر رسمی سازی داده های زبانی باشد، آنگاه سیستم بهتر کار می کند و سازگارتر است. در مورد موضوعاتی که می خواهیم به آنها بپردازیم، اول از همه ضروری است برای بیان اینکه به منظور ساختار ابزارهای بازیابی اطلاعات (IR) کارآمد و مؤثر، به نظر می رسد درک و رسمی سازی مکانیسم های ترکیبی زبان طبیعی اولین عملیاتی باشد که باید به آن دست یافت. زیرا هر قطعه اطلاعاتی که توسط انسان در اینترنت تولید می شود لزوماً یک عمل زبانی بنابراین، در این کار تحقیقاتی نیز خواهیم داشت در مورد ساختار NLP یک مدل ترکیبی رسمی سازی زبانی بحث کنید، که امیدواریم ابزار مفیدی برای پشتیبانی، بهبود و KMS ها را اصلاح کنید 12 بررسی مدلهای رسمی ساختار دادههای زبانی به طور خاص، در بخش 1 نحوه ساختار منابع زبانی قابل پیاده سازی در KMS ها را شرح خواهیم داد، تا چه حد می توانند بهبود عملکرد این سیستم ها و چگونگی حل مشکل ساختار داده های زبانی با رسمی سازی زبان طبیعی مواد و روش ها. در بخش 2 به بررسی مختصری از محاسبات خواهیم پرداخت زبان شناسی، توجه ویژه به بسته های نرم افزاری خاص مانند Intex، Unitex، NooJ و Cataloga که بر اساس روش Lexicon-Grammar (LG) توسعه یافته اند، یک نظریه زبانی ایجاد شده است. در دهه 60 توسط موریس گراس. در بخش 3 برخی از کارهای خاص مفید برای نظارت را شرح خواهیم داد وضعیت هنر در مدلهای ساختار دادههای زبانی، پیشرفته راه حل هایی برای KMS ها و برنامه های NLP برای KMS ها. در بخش 4 با مشکلات مربوط به زبان طبیعی مقابله خواهیم کرد روشهای رسمیسازی، که عمدتاً گرامر تبدیلی-تولیدکننده (TGG) و LG را توصیف میکنند، به علاوه سایر روشهای مبتنی بر آمار رویکردها و هستی شناسی ها در بخش 5 ما یک مدل ترکیبی قابل استفاده در برنامه های کاربردی NLP را به منظور ایجاد راه حل های بهبود یافته موثر برای KMS ها پیشنهاد می کنیم. خاص ویژگی ها و عناصر مدل هیبریدی ما از طریق برخی نشان داده خواهد شد نتایج کار تحقیقاتی تجربی مطالعه موردی که ارائه خواهیم کرد یک مشکل NLP بسیار پیچیده است که در سال های اخیر کمی مورد بررسی قرار گرفته است. درمان واحدهای چند کلمه ای (MWUs). در بخش 6 ما تحقیقات خود را با ارزیابی نتایج آن و ارائه دیدگاههای کاری احتمالی آینده میبندیم. کلید واژه ها سیستم مدیریت دانش، پردازش زبان طبیعی، مدل رسمی زبانی، مدل رسمی ترکیبی.
The principal aim of this research is describing to which extent formal models for linguistic data structuring are crucial in Natural Language Processing (NLP) applications. In this sense, we will pay particular attention to those Knowledge Management Systems (KMS) which are designed for the Internet, and also to the enhanced solutions they may require. In order to appropriately deal with this topics, we will describe how to achieve computational linguistics applications helpful to humans in establishing and maintaining an advantageous relationship with technologies, especially with those technologies which are based on or produce man-machine interactions in natural language. We will explore the positive relationship which may exist between well-structured Linguistic Resources (LR) and KMS, in order to state that if the information architecture of a KMS is based on the formalization of linguistic data, then the system works better and is more consistent. As for the topics we want to deal with, frist of all it is indispensable to state that in order to structure efficient and effective Information Retrieval (IR) tools, understanding and formalizing natural language combinatory mechanisms seems to be the first operation to achieve, also because any piece of information produced by humans on the Internet is necessarily a linguistic act. Therefore, in this research work we will also discuss the NLP structuring of a linguistic formalization Hybrid Model, which we hope will prove to be a useful tool to support, improve and refine KMSs. 12 Exploring Formal Models of Linguistic Data Structuring More specifically, in section 1 we will describe how to structure language resources implementable inside KMSs, to what extent they can improve the performance of these systems and how the problem of linguistic data structuring is dealt with by natural language formalization methods. In section 2 we will proceed with a brief review of computational linguistics, paying particular attention to specific software packages such Intex, Unitex, NooJ, and Cataloga, which are developed according to Lexicon-Grammar (LG) method, a linguistic theory established during the 60’s by Maurice Gross. In section 3 we will describe some specific works useful to monitor the state of the art in Linguistic Data Structuring Models, Enhanced Solutions for KMSs, and NLP Applications for KMSs. In section 4 we will cope with problems related to natural language formalization methods, describing mainly Transformational-Generative Grammar (TGG) and LG, plus other methods based on statistical approaches and ontologies. In section 5 we will propose a Hybrid Model usable in NLP applications in order to create effective enhanced solutions for KMSs. Specific features and elements of our hybrid model will be shown through some results on experimental research work. The case study we will present is a very complex NLP problem yet little explored in recent years, i.e. Multi Word Units (MWUs) treatment. In section 6 we will close our research evaluating its results and presenting possible future work perspectives. Keywords Knowledge Management System, Natural Language Processing, Linguistic Formal Model, Hybrid Formal Model.
Foreword 13 Introduction 17 The Relationship between Linguistic Resources and Knowledge Management Systems 27 1 Well-structured Linguistic Resources for effective Knowledge Management Systems 27 The Point of View of Computational Linguistics 39 2 A Brief Review of Computational Linguistics 39 2.1 A Short Survey on Some Main Computational Linguistics Subfields 46 2.2 Lexicon-Grammar, a Frame for Computational Linguistics 49 2.3 Lexicon-Grammar: Resources, Tools and Software for Computational Linguistics 55 8 A State of the Art 67 3 Natural Language Formalization 67 3.1 Models of Linguistic Data Structuring 68 3.1.1 PAULA XML: Interchange Format for Linguistic Annotations 68 3.1.2 EXMARaLDA 70 3.1.3 TUSNELDA 71 3.2 Enhanced Solutions for Knowledge Management Systems 73 3.2.1 Defining Knowledge Management and Knowledge Management System Structure 74 3.2.2 Different Types of Knowledge 77 3.2.3 From Knowledge Management to Enhanced Knowledge Management Systems 80 3.2.4 Knowledge Management Systems 81 3.2.5 KMSs and Data-Driven Decision Support Systems 87 3.3 NLP Applications for Knowledge Management Systems 88 3.3.1 WordNet 89 3.3.2 FrameNet 91 3.3.3 KIM 94 Formal Models for Linguistic Data 97 4 The Question of Linguistic Data Structuring Formal Models 97 9 4.1 “On the Failure of Generative Grammar” 102 4.2 Lexicon-Grammar: a Theoretical and Methodological Challenge in the Formal Modelling of Linguistic Data 106 4.3 Statistical Models: Faster Methods of Data Processing 110 4.3.1 Statistical Analysis Tools and Procedures 112 4.4 Ontology-Based Models: a Survey on Classification Tools 116 Hybrid Model of Linguistic Formalization for Knowledge Management 121 5 Hybrid Model of NLP 121 5.1 Linguistic Pre-processing of Data for NLP Applications 126 5.1.1 Linguistic Resources and Tools in Translation Processes 134 Discussions and Conclusions 147 References 151