- •Системы автоматического чтения текстов
- •Системы автоматического аннотирования и реферирования текста
- •Системы машинного перевода
- •Понимание и порождение устной и письменной речи с помощью пк
- •Системы автоматического порождения письменного текста:
- •Системы распознавания речи
- •Системы автоматического синтеза речи
Системы автоматического синтеза речи
Методы:
Кодирование (запись в двоичной системе речевых сигналов с их последующим восстановлением)
По существу ПК здесь служит устройством для записи речи, слова и фразы записываются в ПК заранее и в нужный момент воспроизводятся по командам);
Недостаток:
Сказать фразу, не введённую в память, нельзя;
Для хранения речевых сигналов в непосредственной форме нужен большой объём памяти;
Преимущества:
Естественное звучание речи;
По качеству речь приближается к человеческой;
Фонетический синтез речи (акустическое моделирование голосового тракта человека)
Синтезатор по этому методу принципиально отличается от синтезатора по первому методу – имеет неестественное звучание, говорит голосом робота;
Обычно осуществляется по орфографическому тексту, написанному человеком, ПК в нём умеет преобразовывать буквы в фонемы, фонемы в аллофоны и синтезировать непрерывный речевой сигнал с использованием аллофонов диктора, выбираемых и базы данных;
Наиболее перспективен, так как речь генерируется действительно самим ПК.
Математическое моделирование голосового тракта человека:
Словарь в синтезаторе этого вида, как и в первом методе, создаётся с участием человека, но здесь в память записываются не слова и фразы, а производится выделение числовых характеристик звуков речи и интонации фраз, что позволяет уменьшить объём требуемой памяти.
Речь естественна, для её генерации числовые характеристики по специальным командам преобразуются в звуковые сигналы.
Сейчас ведутся разработки над тем, чтобы синтезированная речь была звучала живо, эмоционально, естественно. Решение этой проблемы позволит создавать системы синхронного перевода, активнее использовать ПК при обучении языку, а также людям с нарушениями зрения.
Возможности современного ПК
Известно, что компьютер был изобретен как средство вычисления, однако постепенно к его возможностям добавлялись и другие функции. Сегодня уже невозможно сходу перечислить все сферы применения компьютера. Наиболее остроумным определением назначения компьютера является следующее: ”Компьютер есть средство решения тех задач, которые человек в состоянии ему поручить на данном уровне развития техники”.
Проследим, как расширялась область применения ПК по мере развития его графических, коммуникационных и интеллектуальных возможностей.
Компьютерная графика сыграла важнейшую роль в развитии вычислительной техники, определив десятки направлений использования современного компьютера. Благодаря 3D-графике археологи смогли воссоздать древнейшие умершие города; палеонтологи – увидеть умерших животных; криминалисты – создать фотороботы людей, находящихся в розыске, идентифицировать угнанные автомобили.
Мощные графические серверы позволяют ученым исследовать и оценивать в виртуальной 3-мерной графической среде сейсмические данные и модели нефтяных месторождений. Компьютерная графика революционизировала процесс создания мультипликаций, позволила создавать в кино виртуальные декорации любой сложности.
Приложения виртуальной реальности нашли применение в индустрии развлечения. Архитекторы получили в свои руки инструмент градостроительного планирования, медики – инструмент диагностики заболеваний человека.
В области лингвистики ПК позволяют автоматически создавать аннотации и рефераты текстов, проверять орфографию и морфологию, выполнять перевод не только текстов, но и речевых сообщений с одного языка на другой; синтезировать научно-технические тексты, распознавать и синтезировать человеческую речь ( е в полном объеме).
Внедрение сетей позволило превратить компьютер из вычислительного в коммуникационное устройство. С появлением INTERNET пошел следующий век в эволюции человечества – век «информационных технологий», век развития компьютеров и компьютерных сетей, время, когда вовремя доставленная информация стала цениться как никогда раньше. В настоящее время ЭВМ задействована практически во всех отраслях производства, науки и обороне стран. Человек стремится максимально облегчить себе работу во всем, хочет, чтобы ЭВМ делало за него практически всю работу, а для этого пытается разработать более совершенные машины. ЭВМ нового поколения – это машины недалекого будущего. Основным их качеством должен быть высокий интеллектуальный уровень. Это будут компьютеры с искусственным интеллектом. В них будет возможным ввод с голоса, голосовое общение, машинное «зрение», машинное «осязание». Многое уже практически сделано в этом направлении.
Базы данных (БД) и лингвистические информационные ресурсы (ЛИР)
БД– совокупность определенным образом упорядоченных сведений о некоторых объектах.
Объекты- это сведения, факты, события, процессы. Объект может быть материальным(студент, товар, машина) и нематериальным (событие - поход в цирк, процесс - перевод текста, факт - поступление в университет). В жизни каждый объект обладает определенными свойствами или атрибутами (вес, скорость, цвет), которым приписываются определенные значения: батон весит 400 гр., скорость машины 90 км./ч.
В БД атрибуты представляются элементами данных или просто данными, а их значения – значения данных.
ПримерБД - Студент
Номер зачетной книжки |
Ф.И.О. студента |
Пол |
Год рождения |
Факультет |
Группа |
Стипендия |
357411 |
Арбузов А.И. |
м |
1978 |
англ. |
302 |
50000 |
358125 |
Белова Р.Г. |
ж |
1979 |
фр. |
201 |
80000 |
Объектом является студент. Он описывается атрибутами: № зач. книжки, ФИО,.. Эти атрибуты для каждого студента имеют определенное значение. В памяти ПК атрибутам № зачетной книжки, ФИО …соответствуют элементы данных или просто данные. Таким образом, данное– это некоторый показатель, который характеризует заданный объект и принимает для конкретного элемента объекта некоторое значение. Группа данных, которая образует одну строку, называется записью. В рассмотренном примере запись состоит из 7 элементов.
Чтобы пользователь мог обратиться к записи, ее необходимо идентифицировать. Одно из данных выбирается в качестве идентификатора (первичного ключа). В качестве идентификатора выбирают данное, которое является уникальным для каждого объекта. Например в нашем случае № зачетной книжки. Если несколько записей имеют одно и тоже множество данных с однотипной информацией то говорят, что эти записи имеют один формат. Множество записей с одним форматом называют файлом. А множество файлов образуют базу данных. Допустим, что объект Студент будет описан не в 1 файле, а в 3 файлах.
Номер зачетной книжки |
Ф.И.О. студента |
Пол |
Год рожд. |
Факультет |
Группа |
Специальность |
Стипендия |
357411 |
Арбузов А.И. |
м |
1978 |
англ. |
302 |
051 |
С1 |
358125 |
Белова Р.Г. |
ж |
1979 |
фр. |
201 |
054 |
С2 |
… |
… |
… |
… |
… |
… |
|
|
Причем цифры специальностей и размеры стипендий можно также представить в виде следующих таблиц (файлов в компьютерной БД)
Специальность | |
Шифр |
Название |
051 |
английский и немецкий.языки. |
052 |
французский и немецкий языки |
Стипендия | |
Код |
Размер |
С01 |
50000 |
С02 |
80000 |
Эти три файла в совокупности и составляют БД – Студент
Основные функции БД
Поиск информации в БД
Модификация информации, находящейся в БД:
добавление;
удаление
редактирование
Системы управления базами данных (СУБД)
СУБД– совокупность программных средств, позволяющих осуществлять создание и ведение базы данных..
Типы СУБД:
Настольные СУБД по степени сложности подразделяются:
а) СУБД для обработки небольших объемов информации (MSOUTLOOK)
б) СУБД, ориентированные на пользователя, не умеющего программировать (EXCEL,LOTUS)
в) Сложные СУБД, ориентированные на разработку приложений (FoxBase,MSAccess)
Серверные СУБД – используют архитектуру “клиент-сервер”, т.е. осуществляют централизованное хранение и обработку данных (Informix,MSSQLServer).
Основные функции СУБД
Обеспечить создание структуры БД (определить, какая информация будет храниться, какие атрибуты, типы данных)
Модификация информации, находящейся в БД:
добавление;
удаление
редактирование
Поиск информации
Лингвистические информационные ресурсы– одна из составляющих информационных ресурсов.Под информационным ресурсом понимают некоторый интеллектуальный ресурс, результат коллективного творчества
К пассивным формам информационных ресурсов относят книги, журналы, газеты, словари, энциклопедии, патенты, базы и банки данных и т.п.
Активные формы включают алгоритмы, модели, программы, базы знаний
Лингвистические информационные ресурсы - это множество определенным образом организованных речевых и языковых данных, находящихся на машинных носителях информации и используемых в различных сферах практической деятельности (образовании, промышленности, экономике, культуре, искусстве, издательстве
В самом общем виде ЛИР – это своеобразная лингвистические БД, которые можно обновлять и в которых можно искать ту или иную информацию. Лингвистические ресурсы необходимы как пользователям ПК, так и различным компьютерным системам, связанным с обработкой текста речи: реферирования, аннотирования и перевода текстов, автоматического анализа текста, синтеза речи и текста.
Пассивные лингвистические информационные ресурсы включают:
Письменный лексикон представлен одноязычными и многоязычными лексиконами. В общем смысле словарь - это справочная книга, которая содержит слова (морфемы, словосочетания, идиомы и т.п.), расположенные в определенном порядке (различном в разных типах словарей). В нем может содержаться толкование значения описываемых единиц, а также различная информациюо них. Любой словарь может быть представлен в виде реляционной БД
частотно-алфавитный словарь словоформкакого-либо текста – простейшая лингвистическая БД;
словоуказатель – более сложная БД. В ней, кроме абсолютной частоты употребления словоформы в тексте, указываются номера страниц и строк на странице, где встретилась данная словоформа.
конкордансы – ещё более сложный тип БД. В них каждая словоформа текста характеризуется не только численными показателями (частотой, номером страницы, номером строки и т.д.), но и некоторым контекстом, в котором она употреблена. Как правило, этот контекст состоит из 3-х предложений: предложения, в котором встретилась словоформа, предложения, стоящего перед основным предложением, и предложения, стоящего после него
энциклопедии–словари, содержащие характеристики не слова как такового, а обозначенного им предмета, факта или явления. Существует достаточно большое число различных энциклопедий на машинных носителях информации. Наиболее известна среди них энциклопедия "Britannica". Она включает 82000 статей и 700 дополнительных материалов, опубликованных с 1768 года. Не менее известны французские энциклопедии "TonslessavoireduMonde", "Lemondesur CD-ROM", "Versailles" и др. На русском языке издана "Большая Энциклопедия Кирилла и Мефодия
тезаурус- принципиально иной тип словарей. В нем в явном виде указаны семантические связи между определенной частью его лексических единиц. Как правило, такие словари строятся для текстов достаточно узкой проблемной области: вычислительной техники, музыки, кораблестроения, сельского хозяйства и т.д.
терминологическим словарь(ТС) – словарь, основной единицей которого является термин.Термин- это слово или подчинительное словосочетание, имеющее специальное значение, выражающее и формирующее профессиональное понятие и применяемое процессе познания и освоения научных и профессионально-технических объектов и отношений между ними.
Письменный текстовый массив (корпус текстов, т.е. совокупность текстов, являющаяся достаточной для обеспечения надежных научных выводов о некотором языке, диалекте или ином другом подмножестве языка).
Могут быть использованы:
В лексикографии и лексикологии (для составления различных словарей, определения значений многозначных слов, выявления ассоциативных связей слов в тексте, выделения терминов и терминологических словосочетаний и т.п.).
В грамматике (для определения частоты употребления грамматических морфем в текстах различного типа, выявления наиболее употребляемых типов словосочетаний и предложений, определения значений синонимичных морфологических единиц, частоты употребления классов слов и т.д.).
В лингвистике текста (для дифференциации типов текста, создания конкордансов, выявления связи между предложениями в абзацах и между абзацами «т.д.).
При автоматическом переводе текстов (для поиска контекстов слов, имеющих несколько переводных эквивалентов, поиска переводных эквивалентов терминологических и фразеологических словосочетаний в параллельных текстах и т.д.).
В учебных целях (для выбора цитат, отдельных фрагментов произведений, примеров, используемых в процессе создания учебников и учебных пособий.
таггированные корпусы текстов(от англ,tag - 'индекс, помета'). Все слова такого корпуса получают некоторые буквенные или цифровые индексы, которые обозначают их грамматические, лексические, семантические или структурные признаки. Таких индексов может быть несколько.
Фонетические лингвистические ресурсы В настоящее время общепринято, что для создания машиночитаемых фонетических корпусов используется транскрипция на основе орфографического представления звуковречи с дополнительными знаками, передающими (при необходимости) просодические, паралингвистические и другие особенности произношения.
Фонетические корпусы текстов широко используются для решения следующих задач:
сопоставительного изучения устной и письменной форм языка;
изучения грамматических и лексических особенностей устной речи;
исследования фонетических особенностей диалектов;
построения частотных списков фонем и их сочетаний;
изучения акустических свойств речевых единиц и их использования в психолингвистических и лингвистических экспериментах;
создания компьютерных систем, распознавания и синтеза устной речи.