Поиск инфы – операция извлечения из БД любой инфы.
СУБД (системы управления базами данных)
СУБД – это совокупность программных средств, позволяющих осуществлять ведение БД и поиск в них инфы. Различают два типа СУБД:
1. настольные: Microsoft Outlook, MS Excel, MS Access, Fox Base, Clipper
2. сетевые – используют архитектуру клиент-сервер. Информация централизованно хранится на сервере: MS SQL Server, Informix.
Основные функции СУБД:
Обеспечить создание структуры БД, определить какая инфа будет хранится, какие атрибуты и типы данных.
Модификация инфы (добавление, удаление)
Поиск инфы
Лингвистические информационные ресурсы (ЛИР)
Пассивные формы информационных ресурсов: книги, журналы, газеты, словари, БД.
Активные: алгоритмы, программы, базы знаний.
ЛИР – определенным образом организованные речевые и языковые данные, находящиеся на машинных носителях и используемые в различных сферах практической деятельности.
В общем виде ЛИР – это своеобразная лингвистическая БД, которая может обновляться и в которой можно искать ту или иную инфу. ЛИР необходимы как пользователям ПК, так и самим компьютерным системам, связанным с обработкой текста и речи.
ЛИР включает:
Письменный лексикон
Письменные текстовые массивы
Фонетические лингвистические ресурсы
Письменный лексикон представлен одноязычными и многоязычными лексиконами (словарями). В многоязычных словарях дается перевод значения исходного языка на один или несколько иностранных языков.
В компьютерной лингвистике используются следующие типы одноязычных словарей:
- частотно-алфавитные словари словоформ какого-либо текста
- словари-словоуказатели, где указывается частота, номер страницы и строки, на которой встретилось слово
- конкордансы – в них каждая словоформа характеризуется численными показателями и некоторым контекстом. Контекст дается – три предложения слева и справа.
- словари-энциклопедии
Энциклопедия – это словарь, содержащий характеристики не слова, а обозначенного им предмета, факта или явления.
- словари-тезаурусы, где указываются семантические связи между определенной частью его лексических единиц. 1852 г.
- терминологические словари – основная единица-термин
Термин – это слово или словосочетание, имеющее специальное значение, выражающее и формирующее профессиональное понятие и применяемое в процессе познания и освоения научных и профессионально-технических объектов. Используются при переводе текстов с одного языка на другой, для создания учебников.
2. Письменные текстовые массивы (корпусы текстов) – совокупность текстов, являющаяся достаточной для обеспечения надежности научных выводов о некотором языке, подъязыке, диалекте. Суть сводится к тому, что достоверные данные о морфологической, фонетической, синтаксической и семантической структуре языка и речи могут быть получены из достаточно большого массива текстов.
Могут быть использованы:
- в лексикологии – для составления различных словарей, выделения терминов, определения значения многозначных слов
- в грамматике – для определения частоты употребления грамматических морфем, для выявления наиболее употребляемых типов словосочетаний и предложений
- в лингвистике – для дифференцирования типов текста, создания конкорданса при машинном переводе.
Сегодня стали создавать топированные корпусы текста. Слова такого корпуса получают буквенные и цифровые индексы, которые обозначают их грамматические, лексические, семантические, структурные признаки.
Создаются корпусы текстов на двух языках.
3. Фонетические лингвистические ресурсы – это корпусы устной речи. Главная трудность создания корпуса устной речи связана с необходимостью транскрибирования устной речи. Несмотря на трудности, в мире существуют достаточно много фонетических корпусов, которые широко используются для:
- сопоставления изучения устной и письменной формы языка
- для изучения грамматических и лексических особенностей устной речи
- для создания компьютерных систем, используемых с целью распознавания и синтеза устной речи
Возможности современного ПК
Сопоставление принципов характеристиками возможности компа значительно превосходят возможности человека:
