Задачи семантический текст анализатор стиль

С одной стороны, можно сказать, что семантический компонент должен обслуживать и развивать все без исключения лингвистические технологии: в системах распознавания (OCR и Speech Recognition) и в грамматических корректорах он должен формировать дополнительные лингвистические фильтры; в системах перевода поддержать прежде всего разрешение неоднозначностей и поднять уровень профессиональной компетенции; в документальных ИПС — сформировать дополнительные критерии релевантности документа. Однако имеется большой и мало разработанный круг задач, специфических именно для семантического анализа текста. В самом общем виде эти задачи можно характеризовать как задачи перехода от плохо структурированной (ЕЯ-текст) к хорошо структурированной информации, пригодной для обработки стандартными и высокоэффективными средствами информационных технологий. В зависимости от типа формализуемых знаний и, соответственно, типа целевой технологии методы и средства семантического анализа можно разделить на два существенно разных направления: средства формализации фактологической информации (целевая технология, как правило, СУБД) vs средства формализации номологической информации (целевая технология, как правило, экспертные системы). В узком смысле под семантическим анализом часто подразумевают именно первое — извлечение из текста фактологической информации. И если отправляться от технологии СУБД как типовой целевой технологии, то семантический анализатор можно функционально характеризовать как инструмент реализации интерфейса между СУБД и ЕЯ-текстами. В последние годы это направление оформилось в технологию целенаправленного извлечения из текстов информации заранее определенного типа (Information Extraction) [Grishman, 1997], [Ермаков, 2005].