Методы и алгоритмы трансляции естественно-языковых запросов к базе данных в SQL-запросы тема диссертации и автореферата по ВАК РФ 05.13.11, кандидат технических наук Евдокимова, Инга Сергеевна

  • Евдокимова, Инга Сергеевна
  • кандидат технических науккандидат технических наук
  • 2004, Улан-Удэ
  • Специальность ВАК РФ05.13.11
  • Количество страниц 166
Евдокимова, Инга Сергеевна. Методы и алгоритмы трансляции естественно-языковых запросов к базе данных в SQL-запросы: дис. кандидат технических наук: 05.13.11 - Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей. Улан-Удэ. 2004. 166 с.

Оглавление диссертации кандидат технических наук Евдокимова, Инга Сергеевна

ВВЕДЕНИЕ.

1. ОБЗОР И АНАЛИЗ МЕТОДОВ РЕШЕНИЯ ЗАДАЧИ.

1.1. Структура лингвистического анализатора.

1.2. Анализ методов и подходов морфологического анализа.

1.3. Аналитический обзор методов синтаксического анализа.

1.4. Аналитический обзор семантических моделей.

1.5. Выводы и постановка задачи.

2. МОДЕЛЬ ЛИНГВИСТИЧЕСКОГО ТРАНСЛЯТОРА.

2.1. Математическая модель транслятора.

2.2. Аппарат описания формальных моделей.

2.2.1. Введение в системы продукций.

2.2.2. Описание формального аппарата.

2.3. Модель морфологического анализа.

2.3.1. Содержательное описание модели морфологического анализа.

2.3.1.1. Словари и таблицы совместимости.

2.3.1.2. Алгоритм морфологического анализа.

2.3.2. База правил морфологического анализа.

2.3.2.1. Сорта морфологического анализа.

2.3.2.2. Типовые предикаты условий применимости продукций морфологического анализа.

2.3.2.3. Система продукций морфологического анализа.

2.4. Модель синтаксического анализа.

2.4.1. Содержательное описание модели синтаксического анализа.

2.4.1.1. Алгоритм синтаксического анализа.

2.4.1.2. База знаний синтаксического анализа.

2.4.2. База правил синтаксического анализа.

2.5. Выводы по второй главе.

3. МОДЕЛЬ ТРАНСЛЯЦИИ.

3.1. Интерпретационная модель лингвистического транслятора.

3.1.1. Метаописание базы данных.

3.1.2. Описание знаний проблемной среды.

3.2. Базовые механизмы проблемного анализа.

3.2.1. Метод построения преобразования ^з.

3.2.1.1. Построение транзитивных замыканий.

3.2.1.2. Описание системы продукций.

3.2.1.3. Преобразование графа зависимостей терминов логической модели в граф зависимостей терминов физической модели - преобразование

3.3. Формирование SQL-запроса или построение преобразования Ч>4.

3.3.1. Продукции по формированию SQL-запроса.

3.3.2. Алгоритм доказательства гипотез.

3.3.3. Формирование оператора SQL.

3.4. Выводы по третьей главе.

Рекомендованный список диссертаций по специальности «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», 05.13.11 шифр ВАК

Введение диссертации (часть автореферата) на тему «Методы и алгоритмы трансляции естественно-языковых запросов к базе данных в SQL-запросы»

Актуальность темы диссертационного исследования. Задача , интеллектуальной обработки текстов на естественном языке впервые появилась на рубеже 60-х—70-х гг.ХХ в. Работы последних лет связаны с решением проблемы анализа смысла языка в приложении к созданию систем диалога с программным обеспечением. Подходов к решению задачи понимания естественно-языковых запросов несколько. Наиболее распространенными являются подходы, основанные на синтаксическом, семантическом анализах и шаблонах. Первый подход основан на использовании синтаксических конструкций. Синтаксическое представление запроса строится на основе подлежащего, сказуемого, прямого дополнения и т.п., которые определяются с помощью морфологических характеристик (часть речи, род, падеж, лицо и т.д.). Это представление ничего не говорит о смысле запроса.

Второй подход, основанный на семантике, гораздо ближе к смыслу запроса. В нем используется синтаксическая информация из предыдущего подхода, а также информация из семантических словарей. Каждое слово в словаре имеет характеристики, позволяющие определять смысловые отношения между ним и другими словами, точнее, их значениями. Полное описание связей между смыслами слов (а одно слово часто имеет несколько смыслов) образует тезаурус, представляющий собой большую сеть со словами и их смыслами в качестве, узлов. С помощью таких тезаурусов выполняется построение семантического представления запроса. Основная задача при этом:— отсечь ненужные смыслы, постараться выделить с помощью синтаксических связей достоверные семантические конструкции. В больших предложениях, особенно с многозначными словами, это часто приводит к комбинаторному взрыву — перебору множества смыслов и связей между ними, а также многозначности синтаксических конструкций (одному и тому же предложению может быть сопоставлено несколько синтаксических представлений), обработка которых занимает неприемлемо большое время. Это лишь одна проблема, стоящая на пути понимания естественно-языковых запросов в традиционной синтаксически-ориентированной парадигме. Вторая сложность — типичные естественно-языковые запросы, которые, как правило, не имеют, правильных синтаксических конструкций. На это влияют вольное словоизменение и словообразование в виде неологизмов сетевой общественности, большой процент, имен собственных и сокращений, игнорирование правил пунктуации, что приводит к тому, что от естественного языка во всем его многообразии иногда остается лишь лексика, причудливым образом исковерканная. И, наконец, необходимые в этом подходе семантические словари — очень трудоемкая составляющая, для многих предметных областей они просто отсутствуют, а их разработка требует высокой квалификации.

Третий подход к анализу естественно-языковых запросов основан на шаблонах. Он появился самым первым и с точки зрения программной реализации наиболее прост. Суть его в том, что возможные запросы покрываются набором шаблонов-конструкций, позволяющих отождествляться с запросом и выдавать в результате предопределенные конструкции. Основной недостаток такого подхода заключается в необходимости предусмотреть все возможные способы выражений на естественном языке, т.е. исчислить грамматику. К сожалению, современный пользовательский язык совсем не похож на литературный, и поисковые запросы синтаксическими шаблонами в чистом виде покрыть довольно трудно. Если же основываться на семантической грамматике, придется для каждой новой предметной области писать шаблоны заново.

К настоящему времени существующие естественно-языковые системы используют в основном два последних подхода. Второй подход реализован в достаточно распространенной системе ЗАПСИБ, разработанной в середине 80-х годов [78]. Система позволяет вести общение на ограниченном подмножестве естественного языка. Развитием проекта является система InterBase, вышедшая в 1990 году [128]. Система основана на семантически-ориентированном анализе и продолжает ряд естественно-языковых технологий лаборатории искусственного интеллекта ВЦ АН Новосибирска, затем фирмы «Интеллектуальные технологии», а теперь РосНИИ искусственного интеллекта. В 2001 году эта система была переработана и получила название InBASE в виде коммерческого продукта. В настоящее время система представляет собой библиотеку СОМ-компонентов и- среду настройки естественно-языковых интерфейсов. Существенным отличием от старой версии является появление промежуточного уровня запросов — Q-языка, являющегося подмножеством языка объектных запросов OQL, и уровня описания предметной области в виде диаграммы классов UML. В полном соответствии с особенностями семантически-ориентированной парадигмы InBASE позволяет строить естественно-языковые интерфейсы ко многим языкам —для русского и для английского используется один и тот же JI-процессор. Интересной особенностью InBASE является возможность моделирования предметной' области на естественном языке: с помощью класса словарных статей «Толкование» смысл слова можно описать простой фразой. Это позволяет настраивать естественно-языковые интерфейсы людям, не обладающим навыками инженеров знаний. Основным недостатком данной системы является то, что кортежи базы данных продублированы в словарях — отдельных файлах. В базах данных больших объемов этот недостаток может стать проблемой [34, 97, 115, 123, 126-127].

Ярким представителем третьего подходаявляется система English Query. Система English Query от Microsoft основана на синтаксически-ориентированных шаблонах, связываемых с моделью предметной области, и через нее - со схемой базы данных [107]. При настройке необходимо задать модель базы данных и предметной области, а затем для каждого отношения в базе данных (а отношением считается и связь между классом и его атрибутом, например, между товаром и его ценой) задать синтаксический шаблон английской грамматики, выбираемый из списка. Этот продукт позволяет строить естественно-языковые интерфейсы только для английского языка и работает только с Microsoft SQL Server, в этом; смысле это лишь утилита, поставляемая с SQL-сервером, именно так она и позиционируется. В целом же этот продукт очень интересен. Например, в нем есть встроенная обучаемая. база знаний, с которой можно пообщаться на английском : языке, — она запоминает факты, правила и отвечает на вопросы по этой базе. К сожалению, эта замечательная способность не совмещена с пониманием запросов к базе данных.

Исследования, проводимые в данной работе, посвящены разработке методов и алгоритмов, реализующих второй подход. Основное отличие от описанных выше, работ заключается в формальном описании моделей транслятора; На наш взгляд, запросы к структурированным источникам:данных вполне могут быть изложены;в виде одного или нескольких простых предложений естественного языка, в которых отсутствуют неологизмы и для которых несложно осуществлять синтаксический анализ. При синтаксическом анализе естественно-языкового предложения строится граф зависимостей, который после ряда последовательных преобразований; содержит информацию, необходимую для построения SQL-запроса.

База знаний, необходимая для вьшолнения анализа запроса, содержит метаописание базы данных и знания проблемной среды. Модуль метаописания БД состоит из описания концептуальной схемы базы данных на естественном языке: сущностей, атрибутов и связей между сущностями. Модуль словарей содержит знания для проведения;морфологического, синтаксического анализов и трансляции естественно-языковых запросов к базе данных. Модуль знаний проблемной; среды содержит описания понятий и терминов предметной области.

Создаваемую естественно-языковую систему обработки запросов; к базе данных предполагается использовать при разработке больших информационных систем. База знаний; должна заполняться в процессе разработки проекта информационной системы. Поскольку у многих информационных систем основным ядром является SQL-ориентированные распределенные базы данных, то задача построения естественно-языкового пользовательского интерфейса тесно связана с разработкой методов и алгоритмов трансляции естественно-языковых запросов в запросы SQL языка. Все это определило актуальность работы, выбор целей, задач, структуры и содержания исследования.

Таким образом, целью исследования является разработка методов и алгоритмов, позволяющих осуществлять преобразование естественно-языковых запросов к базе данных, представленных в виде простых предложений русского языка, в SQL-запросы.

Для достижения указанной цели в работе поставлены и решены следующие задачи:

1) анализ существующих лингвистических моделей для обработки предложений естественного языка;

2) разработка лингвистической модели транслятора;

3) разработка интерпретационной модели задачи;

4) разработка подхода к семантическому и проблемному анализам естественноI языкового запроса;

5) разработка методов трансляции естественно-языковых запросов к базе данных, представленных в виде простых предложений русского языка, в SQL-запросы.

Объектом исследования является естественно-языковой запрос к базе данных в виде простого предложения.

Предмет исследования - преобразование запроса на естественном языке в SQL-запрос.

Методологической и теоретической основой исследования послужил математический аппарат теории искусственного интеллекта, множеств, графов, математической логики и лингвистики. Достоверность научных выводов и практических рекомендаций основывается на теоретических и методологических положениях, сформулированных в исследованиях зарубежных и российских ученых: Д.А. Поспелова, Э.В. Попова, Г.Г. Белоногова, Е.С. Кузина, Р.Г. Пиотровского, A.C. Нариньяни, Т. Винограда, М. В. Никитина, О. Н. Селиверстовой, А. И. Смирницкого, Ю.А. Загорулько, J1.A. Голубевой, В.Е. Дмитриева, Ф.Г. Диненберга, Е.Ю. Кандрашиной, И.С. Кононенко, Д.Я. Левина, B.C. Маркина, Т.В. Нестеренко, О.Н. Очаковской, В.В. Телермана, С.П. Трапезникова, В.Ф. Хорошевского, И.Е. Швецова, Т.М. Яхно, Р. Ковальского, Д. Лавленда, Д. Кюнера и других [21-29,49,59, 55, 64, 68, 80, 85-86,114,107].

Наиболее существенные результаты и научная новизна диссертационной работы заключается в разработке модели лингвистического транслятора естественно-языкового запроса в SQL-запрос базы данных, особенностью которого является то, что для построения модели впервые использован подход, основанный на решении задачи в виде преобразований в пространстве ситуаций.

Проведенные исследования привели к следующим результатам, содержащим, по мнению автора, элементы научной новизны:

1) грамматическая модель и модель трансляции, отличительной особенностью которых является их представление в виде систем продукций морфологического, синтаксического, семантического и проблемного анализов;

2) интерпретационная модель, сосотоящая из модели метаописания базы данных и модели проблемной среды, представленные в виде множества фактов и описанные предикатами.

Теоретическая значимость исследования состоит в создании подхода, позволяющего представлять условие применимости продукции в виде множества дизъюнктов и применять метод резолюции для активации продукционных правил.

Практическая значимость исследования состоит в том, что полученные результаты могут быть применены при разработке реальных естественно-языковых систем общения с базами данными.

Апробация результатов- исследования. Основные положения диссертационной работы докладывались и обсуждались на международной научно-технической конференции "Информатизация процессов формирования открытых систем на основе СУБД, САПР, АСНИ и СИИ" (Вологда, 2001 г.), III Международной выставки-конференции "Информационные технологии и телекоммуникации в образовании" (Москва, 2001 г.), VI и VII Всероссийской конференции по проблемам информатизации региона ПИР (Красноярск, 2000 и 2001 гг.), первой, третьей, четвертой и пятой конференциях «Теоретические и прикладные вопросы современных информационных технологий» (Улан-Удэ, 2000-2004 гг.), внуривузовской научной конференции преподавателей, научных работников и аспирантов ВСГТУ (Улан-Удэ, 2000-2004 гг.), межкафедральном семинаре «Концепции и методологии создания, современных информационных систем» (Сиб1 ТУ, Красноярск, 22 сентября 2004 г.). Ряд положений диссертации был использован при подготовке учебного курса «Естественно-языковые системы» по специальности 220400 «Программное обеспечение вычислительной техники и автоматизированных систем» и нашел применение в учебном процессе ВСГТУ. По теме диссертации опубликовано 8 печатных работ общим объемом более 24 пл.

Структура и объем диссертации. Работа состоит из введения, трех глав, заключения, литературы и 6 приложений.

Похожие диссертационные работы по специальности «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», 05.13.11 шифр ВАК

Заключение диссертации по теме «Математическое и программное обеспечение вычислительных машин, комплексов и компьютерных сетей», Евдокимова, Инга Сергеевна

3.4. Выводы по третьей главе

В данной главе предложены модель метаописания концептуальной схемы базы данных, модель проблемной среды. Для формального описания моделей. предложены два вида предикатов - составной и параметрический. Составной предикат позволяет посредством бинарных отношений описать взаимосвязи между понятиями проблемной среды и логической модели данных, между понятиями логической и физической моделей данных. С помощью параметрического предиката задается интенсионал понятий физической модели данных, который позволяет построить взаимосвязь между понятиями.

Таким образом, данные модели описываются семейством множеств закономерностей проблемной среды и концептуальной схемы базы данных, представленных в виде формул предикатов второго порядка.

Построенное множество предикатов применяется для трансляции естественноязыкового запроса, представленного в виде графа зависимостей синтаксического анализа, в SQL-запрос. Трансляция выполняется последовательным решением следующих задач: распознавание типов вершин в графе зависимостей и формирование вектора; преобразование понятий проблемной среды в термины логической модели данных; преобразование терминов логической модели в термины физической модели данных. По каждой задаче строятся гипотезы, и задача решается методом доказательства теорем.

По данной главе построены множества продукций для решения поставленных в главе задач, которые приведены в приложении Д.

Все частичные функции, представленные в виде вычислительных процедур, составляют библиотеку ассоциированных процедур К третьего элемента системы общения с базами данных 2 = <М, В, К>.

Заключение

В диссертационной работе разработаны методы и алгоритмы, позволяющие осуществлять трансляцию естественно-языкового запроса к структурированному источнику в БС^Ь-запросы. Основные результаты работы заключаются в следующем:

1. Предложен аппарат для построения формального описания лингвистических моделей, который основан на описании модели знаний предметной области в виде множества подразумеваемых ситуаций. Формальное описание ситуации описывается продукционными правилами, что позволяет представлять модели в виде системы продукций, а решение задач строить как доказательство теорем, используя метод линейной резолюции.

2.Разработана модель лингвистического транслятора естественно-языкового запроса в SQL-запрос базы данных. Разработанная модель лингвистического транслятора основывается на модели контекстного фрагментирования и включает в себя лингвистическую модель, базовые механизмы обработки предложений и ассоциированные процедуры. Лингвистическая модель содержит информацию о морфологии, синтаксисе и семантике проблемной среды, для описания которых используются составные и параметрические предикаты.

3.Разработаны методы морфологического, синтаксического и: проблемного анализов, представляющие собой базовые механизмы обработки предложений, которые включают в себя множество систем, и реализующие последовательное отображение результатов анализа.

4. Предложен подход формального описания моделей метаописания базы данных и проблемной среды, закономерности которых представлены в виде множества предикатов первого порядка.

5.При разработке формальных моделей для описания условия применимости продукции и формализации метаописания базы данных и проблемной среды предложены четыре типа предикатов: параметрический предикат, который позволяет задать интенсионал понятий физической модели данных и построить взаимосвязь между понятиями; составной, задающий отношения абстрагирования и отношения биноминативных предложений; эквиваленции, необходимый для задания тождественных понятий; функциональный, позволяющий вводить ассоциированные функциональные процедуры.

6. Разработаны, системы продукций для морфологического, синтаксического и проблемного анализов.

7. Выполнена программная реализация метода линейной резолюции и ассоциированных процедур и проведены вычислительные эксперименты, которые подтвердили защищаемые в работе положения.

Список литературы диссертационного исследования кандидат технических наук Евдокимова, Инга Сергеевна, 2004 год

1. Андреев A.M., Березкин Д.В., Брик A.B. Лингвистический процессор для ИПС // Компьютерная хроника. -1998.- №11. - С. 79-100.

2. Андреева A.M., Березкин Д.В., Смирнов A.M. Об одном способе построения синтаксического анализатора текстов на естественном языке. // Изв. Вузов // Приборостроение. 1977.- Т. 40.- №5. - С. 34-42.

3. Апресян Ю.Д., Богуславский И.М., Иомдин JI.JL и др. Лингвистический процессор для сложных информационных систем. -М.: Наука, 1992. 256 с.

4. Апресян Ю.Д., Богуславский И.М., Иомдин Л.Л. и др. Лингвистическое обеспечение системы Этап-2. -М.: Наука, 1989.

5. Артемьева И.Л., Гаврилова Т.Л., КлещевА.С. Логические модели второго порядка для предметных областей // НТИ. Сер.2. 1997. № 6.- С. 14 30.

6. Ахо А., Ульман Дж. Теория синтаксического анализа, перевода и компиляции. Т.1. Синтаксический анализ.- М.: Мир, 1978. 612 с.

7. Бадд Т. Объектно-ориентированное программирование в действии.- СПб.: Питер, 1997.

8. Белоногов F. Г., Котов Р. Г. Автоматические информационно-поисковые системы. -М.: Сов. радио, 1968.- 415 с.

9. Белоногов Г.Г. , Кузнецов Б.А. Языковые средства автоматизированных информационных систем. М.: Наука, 1983.- 380 с.

10. Вениаминов Е.М. Основания категорного подхода к представлению знаний. Категорные средства // Изв. АН СССР. Техн. Кибернетика. N 2.- 1988. - 242 с.

11. И. Вениаминов Е.М., Болдина Д.М. Система представления знаний Ontolingua -принципы и перспективы // НТИ. Сер.2. 1999. № 10.

12. Вениаминов Е.М., Манушина М.Ю. Принципы построения открытого языка шаблонных выражений в системе представления знаний // НТИ. Сер.2. 2000. № 7.

13. Бидер И. Г., Большаков И. А., Еськова Н. А. Формальная модель русской морфологии. Ч. 1-2. М.: Изд-во ИРЯ, Вып. 111-112, 1978.

14. Богданов С. И. Форма слова и морфологическая форма .- СПб.: Изд-во С.-Петерб. ун-та, 1997.-204 с.15. www.gramma.ru сайт по русской грамматике.

15. Богуславский И.М., Цинман Л.Л. Семантический компонент лингвистическогопроцессора // Семиотика и информатика 32: 1990 5-30 с.

16. Большая советская энциклопедия, http://encycl.yandex.ru/cgi-bin/

17. Бондаренко М.Ф., Осыка А.Ф. Автоматическая обработка информации на естественном языке. Киев: УМК ВО, 1991. - 140 с.

18. Брябин В.М., Любарский Ю.Я., Микулич Л.И. и др. Диалоговые системы в АСУ // Под ред. Д.А. Поспелова. М.: Энергоатомиздат, 1983. - С. 85-120.

19. В. Липский. Комбинаторика для программистов. Москва — Мир, 1988.

20. Виноград Т. К процессуальному пониманию семантики // Новое в зарубежной лингвистике.-М., 1983. Вып. XII.

21. Виноград Т. Программа, понимающая естественный язык.- М., 1976.

22. Гаврилова Т.А., Хорошевский В.Ф. Базы знаний интеллектуальных систем,- СПб.: Питер, 2000. 573 с.

23. Гаврилова Т.А., Червинская K.P. Извлечение и структурирование знаний для экспертных систем.- М.: Радио и связь, 1992.- С. 62.

24. Гладкий A.B. Формальные грамматики и языки. М., 1973. - 368 с.

25. Голдблатт Р. Топосы. Категорный анализ логики. М.: Мир 1983. 361с.

26. Голубева Л. А., Алсынбаева Л. Г., Москвина Л. А. Введение в компьютерное моделирование //Программные системы.- Новосибирск, 1996.- С. 53-63.

27. Грамматика русского языка. М., 1954,1960. - Т. 2, ч. 1 - 2.

28. Диненберг Ф.Г., Загорулько Ю.А., Жигалов М.А., Левин Д.Я., Попов И.Г. Разработка системы речевого взаимодействия с интеллектуальным роботом // Тр. междунар. семинара Диалог'98 по компьютерной лингвистике и ее приложениям. -Казань, 1998. С.781-794.

29. Диненберг Ф.Г., Кучин С.И., Трапезников С.П. INTERBASE система конструирования ЕЯ-интерфейса к dBASE III PLUS// Искусственный интеллеюг-90: Тр.12-й Всесоюзной конференции: секционные и стендовые доклады. - Минск, 1990. - Т.2. - С. 161-163.

30. Дударь З.В;, Шуклин Д.Е. Семантическая нейронная сеть как формальный язык описания и обработки смысла текстов на естественном языке // Радиоэлектроника и информатика. Харьков: Изд-во ХТУРЭ, 2000.- №3.- С. 72-76.

31. Евдокимова И.С. Модель представления знаний синтаксического анализатора: Материалы Всерос. конф. // Теоретические и прикладные вопросы современных информационных технологий,- Улан-Удэ, 2001.- С. 206-211.

32. Жигалов В.А. Естественное общение с приложением // Открытые системы. 2001. №12.

33. Жигалов В.А., Соколова Е.Г. InBASE: технология построения ЕЯ интерфейсов к базам данных // Тр. междунар. семинара Диалог'2001 по компьютерной лингвистике. Т. 2.-Аксаково, 2000,- С. 123-135.

34. Жигирев H.H., Корж В.В., Оныкий Б.Н. Самонастраивающийся словарь ключевых слов и нейронная сеть Хопфилда для классификации текстов // Тр. 2-й Всерос. науч.-тех. конф. "Нейроинформатика-2000". Ч. 2. -М., 2000. С.58-61.

35. Загорулько Ю.А., Попов И.Г. Подход к разработке языка представления знаний, использующего динамическое множество ограничений // Распределенная обработка информации: Тр. VII междунар. семинара. Новосибирск, 1998. — С.323-327.

36. Замулин М.А. Системы программирования баз данных и знаний. Новосибирск: Наука, 1990.-352 с.

37. Золотов Е.В., Кузнецов И.П. Расширенные системы активного диалога. М.: Наука, 1982.

38. Искусственный интеллект: В 3 кн. Кн.1. Системы общения и экспертные системы: Справочник / Под ред. Э.В. Попова. — М.: Радио и связь, 1990. 464 с.

39. Искусственный интеллект: В 3 кн. Кн.2. Модели и методы: Справочник /Под ред. Д.А.Поспелова. М.: Наука, 1990. - 472 с.

40. Искусственный интеллект: Применение в интегрированных производственных системах / Под ред. А.И. Дашенко, Е.В. Левнера. М.: Машиностроение, 1991. — 539 с.

41. Исследования по семантике: Межвуз. научный сборник / Отв. ред. JI.M. Васильев / Башкирск. гос. ун-т. Уфа, 1975. - Вып. 1. - 179 с.

42. Исследования по семантике: Межвуз. научный сборник / Отв. ред. JI.M. Васильев / Башкирск. гос. ун-т. Уфа, 1976. - Вып. 2. - 145 с.

43. Исследования по семантике: Общие вопросы семантики / Отв. ред. JI.M. Васильев / Башкирск. гос. ун-т. Уфа, 1983. - Вып. 9. - 144 с.

44. Исследования по семантике: Семантика языковых единиц разных уровней / Отв. ред. P.M. Гайсина / Башкирск. гос. ун-т. Уфа, 1988. - Вып. 13. - 147 с.

45. Исследования по семантике: Семантические классы языковых единиц /Отв. ред. JI.M. Васильев / Башкирск. гос. ун-т. Уфа, 1980. - Вып. 5. - 111 с.47

Обратите внимание, представленные выше научные тексты размещены для ознакомления и получены посредством распознавания оригинальных текстов диссертаций (OCR). В связи с чем, в них могут содержаться ошибки, связанные с несовершенством алгоритмов распознавания. В PDF файлах диссертаций и авторефератов, которые мы доставляем, подобных ошибок нет.