350 руб
Журнал «Нейрокомпьютеры: разработка, применение» №4 за 2013 г.
Статья в номере:
Исследование нейроподобной d-граммной модели для моделирования русского языка
Ключевые слова: моделирование языка распознавание речи d-граммная модель нейроподобная синтаксическая связь
Авторы:
М.Ю. Зулкарнеев - к.ф.-м.н., ст. науч. сотрудник, ФГНУ «НИИ Спецвузавтоматика» (г. Ростов-на-Дону) С.А. Репалов - к.ф.-м.н., доцент, зав. лабораторией, ФГНУ «НИИ Спецвузавтоматика» (г. Ростов-на-Дону) Н.Г. Шамраев - науч. сотрудник, ФГНУ «НИИ Спецвузавтоматика» (г. Ростов-на-Дону) Д.А. Эдель - науч. сотрудник, ФГНУ «НИИ Спецвузавтоматика» (г. Ростов-на-Дону)
Аннотация:
Для моделирования языка предложено использовать d-граммную модель языка, которая учитывает нейроподобные синтаксические связи между словами. Эксперименты, проведенные на данных, полученных для русского языка, показали, что d-граммная модель способна значительно повысить точность моделирования языка.
Страницы: 14-17
Список источников
  1. Damerau F. Markov models and linguistic theory. Mouton. 1971.
  2. Pak A., Paroubek P. Text representation using dependency tree subgraphs for sentiment analysis // Lecture Notes in Computer Science. 2011. V. 6637/2011. P. 323-332.
  3. Kasevich V.B. Struktura predlozhenija. EHlementy obshhejj lingvistiki. M.: Nauka. 1977. S. 91-92.
  4. Henderson J. Novel Speech Recognition Models for Arabic // Johns Hopkins Summer Workshop, 2002.
  5. Sharoff S., Nivre J. The proper place of men and machines in language technology: Processing Russian without any linguistic knowledge // Proc. Dialogue 2011. Russian Conference on Computational Linguistics.
  6. Schmid H. Probabilistic part-of-speech tagging using decision trees // Proceedings of International Conference on New Methods in Language Processing. Manchester, UK. 1994.