Моделирование компьютерного технического языка с помощью графиков свойств
Ключевые слова:
лингвистика, моделирование, компьютерный язык, графики свойствАннотация
Переработка естественного языка стала одной из основных проблем в информационном обмене. Быстрое развитие компьютеров позволило реализовать множество идей для решения проблем, которые невозможно было даже представить себе автоматически, когда появились первые компьютеры. Интеллектуальная обработка естественного языка основана на науке, называемой вычислительной лингвистикой. Вычислительная лингвистика тесно связана с прикладной лингвистикой и лингвистикой в целом. В настоящее время исследователей в основном интересует формальное описание языка, имеющего отношение к автоматической обработке речи, а не чисто алгоритмические вопросы. По этой причине в данной статье мы представляем пример того, как моделировать компьютерный технический язык с помощью графиков свойств, а также описываем некоторые особенности графиков свойств с помощью базы данных Neo4J. Изложены преимущества использования графиков свойств для моделирования компьютерного технического языка. Наконец, мы выбрали пять свойств языка для представления в модели: Фонология, морфология, синтаксис, семантика и прагматика.
Библиографические ссылки
Литература
Anderson R., Spiro R., Montague W. Schooling and the Acquisition of Knowledge: Chapter 3. The Languages of Instruction: The Literate Bias of Schooling. London: Routledge, 1977. 443 p.
Bolshakov I.A., Gelbukh A. Computational linguistics: Models, Resources, Applications. Mexico: Ipn-Unam-Fce, 2004. 186 p.
Cleger E. et al. Graph Oriented Model on Neo4j. A free alternative to reduce temporary complexity // Iberoamerican Journal of Project Management. 2017. Vol. 8. No. 1. Pp. 1–17.
Francis N., Green A., Guagliardo P, Libkin L., Lindaaker T. Cypher: An Evolving Query Language for Property Graphs // SIGMOD’18 Proceedings of the 2018 International Conference on Management of Data. Jun 2018, Houston, United States. ACM Press, 2018. P.1433.
Robinson I., Webber J., Eifrem E. Graph Databases. Sebastopol: O'Reilly Media Inc., 2013. 205 p.
Saussure F. Course in General Linguistics. Losada: Open Court House, 1971.
Van Bruggen R. Learning Neo4j. Birmingham. Mumbai: Packt Publishing Ltd, 2014. 201 p.
References
Anderson, R., Spiro, R., Montague, W. (1977). Schooling and the Acquisition of Knowledge: Chapter 3 The Languages of Instruction: The Literate Bias of Schooling. London: Routledge, 443 p. (In English)
Bolshakov, I.A., Gelbukh, A., (2004). Computational linguistics: Models, Resources, Applications. Mexico: Ipn-Unam-Fce, 186 p. (In English)
Cleger, E. et al. (2017). Graph Oriented Model on Neo4j. A free alternative to reduce temporary complexity [Graph Oriented Model on Neo4j. A free alternative to reduce temporary complexity] // Iberoamerican Journal of Project Management. Vol. 8. No. Pp. 1-17. (In Spanish)
Francis, N., Green, A., Guagliardo, P, Libkin, L., and Lindaaker, T. (2018). Cypher: An Evolving Query Language for Property Graphs // SIGMOD’18 Proceedings of the International Conference on Management of Data. Jun 2018, Houston, United States. ACM Press, pp. 1433–1448. (In English)
Robinson, I., Webber, J., Eifrem, E. (2013). Graph Databases. Sebastopol: O'Reilly Media Inc., 205 p. (In English)
Saussure, F., Harris, R. (1998). Course in General Linguistics. Losada: Open Court House, 1971. (In English)
Van Bruggen, R. (2014). Learning Neo4j. Birmingham. Mumbai: Packt Publishing Ltd, 201 p. (In English)
