Формалізація знань та побудова термінологічних онтологій у правовій галузі
Ланде Д.В., Дмитренко О.О.
Парламентський контроль в умовах децентралізації державної влади та цифрової трансформації в Україні: стан і проблеми : матеріали Першої всеукраїнської науково-практичної конференції, м. Київ, 30 березня 2021 р. - Київ, 2021. - C. 35-39.
Парламентський контроль в умовах децентралізації державної влади та цифрової трансформації в Україні: стан і проблеми : матеріали Першої всеукраїнської науково-практичної конференції, м. Київ, 30 березня 2021 р. - Київ, 2021. - C. 35-39.
У цій роботі для побудови термінологічної онтології, придатної для автоматизованої обробки, застосовується лінгвомережева модель представлення текстових даних. Одним із видів такої мережевої моделі є мережа, що побудована із ключових слів та словосполучень (або просто - мережа термінів). В ній вузли відповідають окремим ключовим поняттям предметної галузі, а ребра - семантико-семантичним зв.язкам між ними.
Для виокремлення ключових термінів застосовується комп'ютерна обробка природномовних текстів, що включає автоматичну сегментацію на окремі речення, розбиття на токени та розмічування частин мови й присвоєння тегів кожному слову (Part-of-Speech tagging).
Використовуючи шаблони ключових слів та словосполучень формується послідовність термінів. Далі здійснюється видалення одиничних стоп-слів (окремих артиклів, прийменників, сполучників, деяких дієслів, прислівників та займенників), які не несуть ніякого інформативного навантаження.
На наступному етапі для кожного сформованого терміна у порядку його зустрічання у тексті формується так званий кортеж. Кожен елемент кортежу складається з трьох значень: перше - термін (слово або словосполучення, що отримане за одним із шаблонів); наступне - тег, який присвоюється слову в залежності від його приналежності до певної частини мови; останній елемент такого набору - числове значення GTF (глобальна частота терміна, що використовується для статистичного зважування слів та словосполучень, що входять у сформовану на попередньому етапі послідовність). Важливо зазначити, що GTF обчислюється з урахуванням двох попередніх значень кортежу - терміна та частини мови, до якої він належить. Кількість таких однакових кортежів у всьому тексті, що нормована на загальну кількість сформованих термінів, і визначає значення третього елемента. Для встановлення ненаправлених зв.язків між ключовими термінами в межах кожного окремого речення застосовується алгоритм графа горизонтальної видимості для часових рядів (Horizontal Visibility Graph - HVG). Сформована на попередньому етапі послідовність числових значень GTF, які відповідають окремим кортежам, є тим часовим рядом, який завдяки алгоритму HVG трансформується у ненаправлену мережу.
Для встановлення напрямків зв.язків враховувались емпіричні правила. Після об'єднання однакових вузлів сумарна кількість однаково-направлених зв.язків між цими вузлами визначала вагове значення зв.язку. Для апробації представленої у цій роботі методики побудови мережі термінів було використано вільнодоступний правовий документ "Convention on the Rights of the Child", поданий англійською мовою.
Для виокремлення ключових термінів застосовується комп'ютерна обробка природномовних текстів, що включає автоматичну сегментацію на окремі речення, розбиття на токени та розмічування частин мови й присвоєння тегів кожному слову (Part-of-Speech tagging).
Використовуючи шаблони ключових слів та словосполучень формується послідовність термінів. Далі здійснюється видалення одиничних стоп-слів (окремих артиклів, прийменників, сполучників, деяких дієслів, прислівників та займенників), які не несуть ніякого інформативного навантаження.
На наступному етапі для кожного сформованого терміна у порядку його зустрічання у тексті формується так званий кортеж. Кожен елемент кортежу складається з трьох значень: перше - термін (слово або словосполучення, що отримане за одним із шаблонів); наступне - тег, який присвоюється слову в залежності від його приналежності до певної частини мови; останній елемент такого набору - числове значення GTF (глобальна частота терміна, що використовується для статистичного зважування слів та словосполучень, що входять у сформовану на попередньому етапі послідовність). Важливо зазначити, що GTF обчислюється з урахуванням двох попередніх значень кортежу - терміна та частини мови, до якої він належить. Кількість таких однакових кортежів у всьому тексті, що нормована на загальну кількість сформованих термінів, і визначає значення третього елемента. Для встановлення ненаправлених зв.язків між ключовими термінами в межах кожного окремого речення застосовується алгоритм графа горизонтальної видимості для часових рядів (Horizontal Visibility Graph - HVG). Сформована на попередньому етапі послідовність числових значень GTF, які відповідають окремим кортежам, є тим часовим рядом, який завдяки алгоритму HVG трансформується у ненаправлену мережу.
Для встановлення напрямків зв.язків враховувались емпіричні правила. Після об'єднання однакових вузлів сумарна кількість однаково-направлених зв.язків між цими вузлами визначала вагове значення зв.язку. Для апробації представленої у цій роботі методики побудови мережі термінів було використано вільнодоступний правовий документ "Convention on the Rights of the Child", поданий англійською мовою.
