Разработка и исследование методов и системы семантического анализа естественно-языковых текстов тема диссертации и автореферата по ВАК РФ 05.13.01, кандидат технических наук Мокроусов, Максим Николаевич

• Мокроусов, Максим Николаевич
• кандидат технических наук
• 2010

Оглавление диссертации кандидат технических наук Мокроусов, Максим Николаевич

СПИСОК УСЛОВНЫХ ОБОЗНАЧЕНИЙ И СОКРАЩЕНИЙ.

ВВЕДЕНИЕ.

1 Аналитический обзор методов и систем, основанных на семантических подходах.

1.1 Аналитически обзор методов и систем анализа ЕЯ-текста.

1.1.1 Методы и системы морфологического анализа.

1.1.2 Синтаксический анализ.

1.1.3 Семантический анализ.

1.2. Применение онтологии в анализе естественно-языковых текстов и автоматизированном обучении.

1.2.1 Понятие онтологии.

1.2.2 Аналитический обзор существующих систем построения онтологий.

1.3 Выводы и постановка задачи исследования.

2 Методика построения онюлогии предметной области текста.

2.1 Построение онтологии предметной области текста, ориентированной на семантическое моделирование.

2.1.1 Принципы классификации понятий.

2.1.2 Правила классификации и описания понятий.

2.1.3 Правила толкования понятий, основанные на явном описании.

2.2 Онтологический толковый словарь как средство описания и хранения понятий предметной области.

2.3 Выводы по главе.

3 Семантический анализ ЕЯ-текста.

3.1 Синтаксический анализ текста.

3.1.1 Синтаксические модели текста.

3.1.2 Система продукционных синтаксических правил.

3.1.3 Контроль синтаксических ошибок.

3.2 Семантический анализ текста.

3.2.2 Алгоритм семантического анализа.

3.2.1 Семантические модели текста.

3.2.3 Сравнение предложенной модели с традиционной семантической сетью.

3.3. Выводы по главе.

4 Экспериментальные исследование разработанных методов.

4.1 «Онтологический толковый словарь» как средство описания понятий предметной области.

4.2 Экспертная система комплексного анализа текста «ЭСКАТ».

4.3 Автоматизированная обучающая система Language Tutor - «LT».

4.4 Интерактивная обучающая система по русскому языку «Интеллект».

4.5 Система извлечения данных из текстовых форумов «Интернет коммерция».

4.6 Подсистема семантического поиска в системе патентно-лицензионного поиска.

4.7 Выводы по главе.

Введение диссертации (часть автореферата) на тему «Разработка и исследование методов и системы семантического анализа естественно-языковых текстов»

Бурное развитие компьютерных технологий и средств вычислительной техники позволяют решать все более сложные задачи в различных сферах жизнедеятельности человека. Внимание исследователей все чаще привлекают трудно формализуемые задачи, одной из которых является задача человеко-машинного общения на естественном языке. Считается, что в основе этой задачи, так же как и остальных направлений компьютерной лингвистики, лежит идея автоматического перевода (АП). По мнению многих авторов, стремление качественно и быстро решить задачу перевода текста основывалось на двух принципиальных заблуждениях: во-первых, переоценивалась степень близости операций, по которым функционирует ЭВМ, и простейших функций интеллекта человека и, во-вторых, недооценивалась фундаментальная сложность естественного языка. Осознание этих заблуждений обусловило разочарование в идее быстрого решения задачи АП и поиск тех сфер применения таких систем, в пределах которых они имитируют поведение человека достаточно адекватно и дают удовлетворяющие его результаты.

Компьютерная лингвистика, оформившаяся как самостоятельное направление прикладной лингвистики в конце 60 гг. XX в., ориентирована на использование компьютерных инструментов для моделирования функционирования языка. Компьютерную лингвистику часто связывают с прикладным направлением «обработка естественного языка» (Natural Language Processing), развивавшимся в рамках дисциплины «искусственный интеллект», однако на практике под этой проблемой понимают разработку методов, технологий и конкретных систем, обеспечивающих общение человека с ЭВМ на естественном или ограниченном естественном языке.

В виду большого роста объемов текстовой информации и сложной структурированности естественно-языковых (ЕЯ) текстов, анализ текстов представляет собой очень актуальную проблему, особенно в последние годы, когда наметилась тенденция к информатизации общества.

Область применения систем анализа ЕЯ-текстов достаточно разнообразна. Среди них можно выделить следующие системы: поисковые системы, вопросно-ответные системы, системы автоматизированного машинного перевода, системы извлечения данных и знаний, обучающие системы с функцией контроля знаний и пр.

В основе задачи обработки ЕЯ-текстов лежат морфологический и морфемный анализ, синтаксический и семантический анализ, результатами которых являются модели текста, адекватно отражающие его словообразовательные, грамматические и смысловые конструкции.

Основные методы анализа текста достаточно подробно изложены в трудах Апресяна Ю.Д., Виноградова Д. В., Гладкого A.B., Клосса Б.М., Колсу-новой О.С., Мельчука И.Д., Солтона Г., Селезнева К., Супруна А.Е., Тодда А., Трубецкого Н.С., Филмора Ч., Финна В.К., Фоменко А.Т., Харина Н. П., Шведовой Н.Ю., Дж.Дж.Катц, Дж.А.Фодор, Б. Патти, А. Вежбацкой и др. Ряд современных усовергиенствованных методов представлены в статьях Ермакова А.Е., Леонтьевой H.H., Мозгового М.В., Плеилко В.В., Сокирко А., Толпе-гина П.В., Ту зова В. А. и др.

В настоящее время относительно успешно решена задача морфологического анализа текстов, результаты которого применяются в поисковых Интернет-машинах, текстовых редакторах, подсистемах проверки орфографии и пр. Задачи синтаксического и, в особенности, семантического анализа не решены в полной мере. Синтаксический анализ (анализ грамматики) можно встретить в системах перевода, в подсистемах проверки грамматики. Несмотря на богатую теорию в области семантического анализа, применение находят лишь методы анализа основанные на статистических (факторных) характеристиках слов и словосочетаний анализируемого текста. Следует отметить, что подсистемы, реализующие указанные методы анализа текста, не предоставляют средств настройки процесса анализа, средств пополнения баз правил граммау тики языка.

Семантические модели (СМ) текста, являющиеся результатом комплексного анализа, позволяют оценить корректность текста, в наглядной форме, визуально представить структуру сюжета, взаимосвязь объектов и процессов текста, их атрибуты. Последовательность моделей простых предложений текста и результирующая визуальная модель сюжета позволяют реализовать обратную связь "воздействие на модель — реакция в тексте", благодаря чему можно в интерактивном режиме отлаживать процессы анализа текстов и доказательства объективности (однозначности) истолкования текстов на естественных языках.

Построение семантических моделей невозможно без разработки методов, которые были бы по своей сути аналогичны методам, применяемые человеком при анализе информации различного рода, а также без создания искусственных хранилищ формализованных данных и знаний, которые можно было бы эффективно использовать в задаче автоматической обработки текстов. В настоящее время наиболее распространенным средством формализации знаний являются онтологии.

Применение семантических моделей актуально в автоматизированных обучающих системах, при решении задач извлечения знаний из текстов, информационного поиска, реферирования, контроля корректности словарей терминов и определений, автоматической генерации ассоциативных связей в гипертекстовых базах данных (ГБД) и пр.

Объектом исследования работы является математическое, информационное и программное обеспечение человеко-машинного общения на естественном языке.

Предметом исследования являются модели и методы синтаксического и семантического анализа естественно-языкового текста.

Основной целью данной работы является повышение достоверности семантического анализа естественно-языковых текстов за счет онтологических моделей знаний о грамматике естественного языка и о предметной области текста, а также путем совершенствования семантических моделей обрабатываемого текста.

Для достижения поставленной цели требуется решение следующих основных научных и практических задач:

Заключение диссертации по теме «Системный анализ, управление и обработка информации (по отраслям)», Мокроусов, Максим Николаевич

4.7 Выводы по главе

В данной главе описаны основные программные системы разработанные в рамках работы над диссертацией и использующие синтаксические и семантические подходы анализа текста.

Разработаны и программно реализованы следующие экспериментальные системы, основанные на применении разработанных методов:

- «ОТС» — средство формализованного онтологического описания ПрО, позволяющее снизить трудоемкость и ускорить процесс выполнения ручных операций описания ПрО, а также использовать разработанные онтологии для задач обучения, перевода и анализа текста

- система комплексного анализа английского текста - «ЭСКАТ» — анализирующая текст морфологически, синтаксически, семантически и строящая синтаксические и семантические модели текста;

- программа онтологического описания предметных областей - «Онтологический толковый словарь» — основанная на принципах явного определения понятий;

- интерактивная обучающая система по английскому языку «Language Tutor» и интерактивная обучающая система по русскому языку «Интеллект», особенностью которых является применение возможностей системы «ЭСКАТ» для автоматической генерации упражнений и вопросов по произвольному тексту с целью облегчения труда учителя и более качественного контроля знаний обучающихся. Все программные системы прошли опытную эксплуатацию в образовательном учреждении ГОУ ВПО «ИжГТУ», где были отмечены явные преимущества систем, связанные со снижением трудоемкости при выполнении рутинных операций, что подтверждает теоретические положения работы.

Так же результаты диссертационной работы использовались при разработке системы автоматизированного поиска объявлений о покупке, продаже бытовой техники на форумах - Интернет коммерция, и в задаче патентного поиска в рамках работ по формированию национальной нанотехнологической сети Удмуртской республики.

Акты внедрения (использования) результатов диссертационной работы приведены в Приложении Д.

ЗАКЛЮЧЕНИЕ

Подводя итог проделанной работе, необходимо затронуть ситуацию, сложившуюся в настоящее время в области автоматической обработки тестов в частности в проблеме семантического анализа текстов. Основываясь на определении семантики в лингвистике, как о науке об обозначении и понимании последовательностей символов, исследователи и практики не всегда результаты своих работ сводят к определению смысловых значений тех или иных текстовых конструкций. Автору приходилось встречать результаты семантического анализа оформленного в виде частотных (факторных) характеристик слов текста, оформленных в виде таблиц. Очень часто встречаются методы синтаксического и семантического анализа, алгоритмы работы и результаты которых оформлены с использованием специально введенных текстовых обозначений, являющихся сокращением от полного названия того или иного признака или действия над элементами языка. По мнению автора, наиболее удобной формой проектирования алгоритмов анализа текста является представление элементов лингвистики терминами, которые в своих исследованиях используют «классические» лингвисты. С использованием таких обозначений привлечь к проблеме анализа текстовой информации профессиональных лингвистов является более выполнимой задачей, нежели сейчас, когда большинство специалистов, занимающихся анализом текста, являются представителями математических и аналитических специальностей. Представление же результатов анализа текста в виде схем, графиков, диаграмм, таблиц позволит упростить понимание текста, позволяют оценить корректность текста, в наглядной форме, визуально представить структуру сюжета, взаимосвязь объектов и процессов текста, их атрибуты

Еще одной проблемой в задаче анализа текстовой информации является построение формализованного описания предметов и явлений реального мира, удобного для использования в задачах компьютерной лингвистики. В работе было принято решение упростить избыточную сложность при составлении формального описания предметов и процессов за счет использования методов и средства онтологическое описание понятий по принципу расширенного словарного определения.

В данном диссертационном исследовании сделана попытка повысить достоверность результатов синтаксического и семантического анализа естественно-языковых текстов с помощью онтологических моделей знаний о грамматике естественного языка и о предметной области текста.

Основной результат работы заключается в совершенствовании технологии синтаксического и семантического анализа естественно-языкового текста, а также упрощения составления формального описания понятий предметной области. Полученные результаты относятся к направлению исследований «Визуализация, трансформация и анализ информации на основе компьютерных методов обработки информации».

В работе также получены следующие выводы и результаты:

1. Анализ существующих технологий семантического анализа ЕЯ-текстов позволил определить основные направления снижения трудоемкости проектирования алгоритмов анализа текстовой информации: сокращение объема описания грамматик ЕЯ и понятийного аппарата заданных предметных областей и совершенствование инструментальных средств создания правил для анализа ЕЯ-текста и онтологического описания понятий. Установлено, что излишняя сложность формализации терминов и правил грамматики языка приводит к возрастанию объемов его описания. Ограниченность расширяемости понятийного аппарата анализа ЕЯ-текста, обусловленная, как правило, сложностью его формализации, приводит к необходимости обращения к разработчикам таких методов с целью постоянной доработки системы.

2. Предложена методика онтологического описания понятий предметной области, основанная на использовании разработанных правилах классификации понятий и правилах явного определения. Методика предполагает общепринятое словарное описание понятий с добавлением дополнительных характеристик.

Разработанные по предложенной методике онтологии предметной области применимы как для семантического анализа ЕЯ-текстов, так и для обмена знаниями о предметной области (между людьми и между программными системами).

3. Разработаны модели знаний синтаксического и семантического анализаторов ЕЯ-текста. Модели знаний синтаксического анализатора включает онтологию грамматики ЕЯ-текста, императивные знания которой представлены правилами продукционного типа, близкими по структуре и семантическим категориям к правилам грамматики ЕЯ. Такой подход обеспечивает более емкое и в тоже время корректное описание грамматик экспертами-лингвистами, а также позволяет избавиться от необходимости обращения к разработчикам. Модель знаний семантического анализатора включает в себя онтологии предметной области и алгоритм семантического анализа. Наличие обратных связей между моделями знаний анализаторов позволяет уточнять варианты разбора более ранних этапов анализа ЕЯ-текста.

4. Предложен алгоритм семантического анализа ЕЯ-текста, основанный на онтологическом описании предметов и процессов предметной области текста, а также выделении ролевых отношений между участниками процесса и ассоциативных отношений с понятиями предметной области.

5. Предложен способ оценки достоверности семантического анализа ЕЯ-текста, основанный на формировании и выводе на экран семантических моделей в виде: таблицы действий; граф-схемы действий и их участников; диаграммы процессов. Предложено считать, что достоверность семантического анализа можно оценивать релевантностью визуальной семантической модели, учитывая некоторые совокупности параметров модели. Релевантность модели обеспечивается большим количеством информативных критериев и подтверждается экспертами или пользователями путем просмотра результатов визуализации семантических моделей.

6. Разработаны методы и инструментальные средства визуализации семантических моделей текста. Представление результата семантического анализа одновременно в нескольких видах (таблица, схема, диаграмма) позволяет повысить информативность результатов анализа в целом, оценить корректность введенного текста, проследить явления анафоры в тексте, разрешить проблему омонимии, выявить процессы, их участников и обстоятельства действий.

7. Разработаны и программно реализованы экспериментальные системы, основанные на применении разработанных методов: экспертная система комплексного анализа английского текста «ЭСКАТ»; программа онтологического описания предметных областей «Онтологический толковый словарь»; интерактивные обучающие системы по английскому языку «Language Tutor» и по русскому языку «Интеллект». Все программные системы прошли опытную эксплуатацию в образовательном учреждении ГОУ ВПО «ИжГТУ» и некоторых школах г. Ижевска. Также результаты диссертационной работы использовались при разработке системы автоматизированного поиска объявлений о покупке/продаже бытовой техники на форумах «Интернет коммерция», и в задаче патентного поиска в рамках работ по формированию национальной нанотехно-логической сети Удмуртской республики.

Две разработанные программы имеют свидетельства о государственной регистрации: Интерактивная обучающая система по русскому языку «Интеллект» (per. № 2009614301) и Интерактивная обучающая система по английскому языку «Language Tutor» (per. № 2009615239).

Список литературы диссертационного исследования кандидат технических наук Мокроусов, Максим Николаевич, 2010 год

1. П ерспективы развития вычислительной техники: В 11 кн. справочное по-соб. Кн.2. Интеллектуализация ЭВМ / Под ред. Ю.М.Смирнова. Е.С. Кузин, А.И. Ройтман, И.Б. Фоминых, Г.К.Хахалин.- М.: Высшая школа, 1989. — С.93-132.

2. Селезнев, К. Обработка текстов на естественном языке Электронный ресурс. // Открытые системы [Сайт]. (Дата публикации: 18.12.2003). URL : http://www.relex.ru/rus/company/publications/open-sys-2004-01 .php (Дата обращения: 25.09.2010).

3. Зализняк А. А. Грамматический словарь русского языка. Словоизменение. М., 1977; 3-е изд. М., 1987.

4. Ашманов, И. С., Иванов, А. А. Продвижение сайта в поисковых системах / И. С. Ашманов, А. А. Иванов. М. : "Вильяме", 2008. - 302 с.

5. Тихонов, A.H. Словообразовательный словарь русского языка в двух томах: Ок 145000 слов. М. "Русский язык" 1985. - 1 том 854 е., 2 том 885 с.

6. Шахиди, А. Деревья решений — общие принципы работы Электронный ресурс. // Base Group [Сайт]. URL : www.basegroup.ru/library/ analysis/tree/description/ (Дата обращения: 25.09.2010).

7. Muggleton, S. Н. (1991) Inductive logic programming. New Generation Computing, v8. P. 295-318.

8. Manning, C., Schutze, H. Foundations of Statistical Language processing. -Cambridge: MIT Press, 1999. 620 p.

9. Ю.Библиотека морфологического анализа Электронный ре суре. // RCO [Сайт]. [2007]. URL : http://www.rco.ru/product.asp (Дата обращения: 25.09.2010).

10. Система автоматической обработки текстов «АОТ» Электронный ресурс. // АОТ [Сайт]. [2003]. URL : http://www.aot.ru (Дата обращения: 25.09.2010).

11. Морфологическая библиотека для разработчиков Электронный ресурс. // Компания Информатик [Сайт]. [1989]. URL : http://www.informatic.ru/ catalogue/developers/ Щата обращения: 25.09.2010)

12. Арутюнова Н. Д. Синтаксис // Лингвистический энциклопедический словарь / Под ред. В. Н. Ярцевой. — М.: Советская энциклопедия, 1990.

13. Синтаксис Электронный ресурс. // Онлайн Энциклопедия «Кругосвет» [Сайт]. [2001]. URL : http://www.krugosvet.ru/enc/gumanitarnye nauki /lingvistika/SINTAKSIS.html (Дата обращения: 25.09.2010)

14. Карпова, Г. Д. Компьютерный синтаксический анализ: описание моделей и направлений разработок / Г. Д. Карпова, Ю. К. Пирогова, Т. Ю. Кобзаре-ва, Е. В. Микаэлян // Итоги науки и техники. Серия: Вычислительные науки. Т.6.-М.: ВИНИТИ, 1991.

15. Entry Natural Language. Understanding // Encyclopaedia of Artificial Intelligence. pp. 660-677.

16. Минский, M. Фреймы для представления знаний / М. Минский. М. : Энергия, 1979.-368 с.

17. Филлмор, Ч. Дело о падеже / Ч. Филлмор // Новое в зарубежной лингвистике. Вып. X. М. : Лингвистическая семантика, Прогресс, 1981.

18. Гаврилов, А.В. Гибридные интеллектуальные системы / А.В. Гаврилов. -Новосибирск : НГТУ, 2003.

19. Сокирко, А.В. Семантические словари в автоматической обработке текста (по материалам системы ДИАЛИНГ): Дис. . канд. техн. наук. / А.В. Сокир-ко.-М., 2001.-100 с.

20. Леонтьева, Н.Н. Строение семантического компонента в информационной модели автоматического понимания текста / Н.Н. Леонтьева. М., 1990.

21. Леонтьева, H.H. Система французско-русского автоматического перевода (ФРАП): лингвистические решения, состав, реализация / H.H. Леонтьева. -МГПИИЯ им. М. Тореза. Сборник научных трудов, Вып. 271. М.,1986.

22. Леонтьева, H.H. "Политекст": информационный анализ политических текстов / H.H. Леонтьева // НТИ. Сер 2. 1995.- N 4. - С. 20-24.

23. СопЕхТ — система автоматизированного извлечения знаний из текстов на естественном языке Электронный русерс. // NooLab лаборатория информационных технологий [Сайт]. URL : http://www.noolab.ru/proiects/ conext.asp (Дата обращения: 25.09.2010).

24. Елашкин, В. Н. Концептуальное описание модели нейронной сети / В.Н. Елашкин // Труды ВЦ СО РАН. Информатика. Новосибирск, 1994. - С. 122137.

25. Модель в лингвистике // Лингвистический энциклопедический словарь. -М. : Советская энциклопедия, 1990. С.304

26. Хомский, Н. Три модели описания языка / Н. Хомский // Кибернетический сборник, 1961. Вып.2. С. 81-92.

27. Шенк, Р. Обработка концептуальной информации / Р.Шенк. М. : Энергия, 1980.31 .Мельчук, И.А. Опыт теории лингвистических моделей "смысл-текст" / И.А. Мельчук. М. : Наука, 1982.

28. Гинзбург, P.C. Значение слова и методика компонентного анализа / P.C. Гинзбург // Иностр. яз. в школе, 1978. № 5. - С. 25.

29. Гулыга, Е.В. О компонентном анализе значимых единиц языка / Е.В. Гулыга, Е.И. Шендельс // Принципы и методы семантических исследований. -М., 1976.-С. 291-314.

30. Искусственный интеллект в 3-х кн. Кн.1. Системы общения и экспертные системы: Справочник. / Под ред. Д.А.Поспелова. - М.: Наука, 1990.

31. TextAnalyst 2.0. Персональная система автоматического анализа текста Электронный ресурс. // Microsystems, Ltd [Сайт]. [2001]. URL : http:// www.analyst.ru/index.php?lang=eno:&dir=content/products/&id=ta (Дата обращения: 25.09.2010).

32. Карташева, Е. Интеллектуальные поисковые системы Excalibur Электронный русерс. // Открытые системы [Сайт]. (Дата публикации: 17.06.1997) // URL : http://ww.osp.ru/nets/1997/ 06/98.htm (Дата обращения: 25.09.2010)

33. Онтология Электронный русерс. // KM.RU Универсальная энциклопедия [Сайт]. [1999]. URL : www.mega.km.ru/bes 2004/Encyclop.asp?Topic= top-icomu56 (Дата обращения: 25.09.2010).

34. Цофнас, А.Ю. Структурная и натуральная онтология / А.Ю. Цофнас // Вестник Одесского национального университета. 2007. - Т. 12. - Вып. 13. — С. 21-31.

35. Добров, Б.В. Онтологии и тезаурусы: модели, инструменты, приложения / Б.В. Добров, В.В. Иванов, Н.В. Лукашевич, В.Д. Соловьев // БИНОМ. Лаборатория знаний, Интернет-университет информационных технологий -ИНТУИТ.ру, 2009.

36. Куайн, У. В. Онтологическая относительность / Сокр. пер. А. А. Печен-кина // Современная философия науки. М., 1996. - С.40-61.

37. Сорина, Г.В. Критическое мышление: история и современный статус / Г.В. Сорина // Вестник Московского университета. 2003. - Серия 7. - №6. -С. 97-110.

38. Гартман, II. Старая и новая онтология / Н. Гартман // Историко-философский ежегодник. М. : «Наука», 1988. - С.320-324

39. Хайдеггер Мартин Электронный русерс. // Большая энциклопедия Кирилла и Мефодия [Сайт]. [1998] URL : www.megabook.ru/Article.asp?AID= 683720 (Дата обращения: 25.09.2010).

40. Майкевич, Н.В. От информационного пространства к пространству знаний. Онтологии в Интернет / Н.В. Майкевич //Труды конференции КИИ'98, Пу-щино, Россия, 1998. -С.152-158.

41. Gruber, Т. Principles for the Design of Ontologies Used for Knowledge Sharing / Thomas Gruber, R. Towards // International Workshop on Formal Ontology, March, Padova, Italy, 1993.

42. Takeda, H. Collaborative development and Use of Ontologies for Design / H. Takeda, M. Takaai, T. Nishida // Proceedings of the Tenth International IFIP WG 5.2/5.3 Conference PROLAMAT 98, September 9-11,12, Trento, Italy, 1998.

43. Россеева, О.И. Организация эффективного поиска на основе онтологий / О.И. Россеева , Ю.А. Загорулько // Труды международного семинара Диа-лог'2001 по компьютерной лингвистике и ее приложениям. Аксаково, 2001. -Т.2.-С. 333-342.

44. Ushold, М. Ontologies: Principles, Methods and Applications. / Mike Ushold, Michael Gruninger // Knowledge Engineering Review, Volume 11, Number 2, 1996.

45. Noy, N. Ontology Development 101: A Guide to Creating Your First Ontology/ N. Noy, D. McGuinness // Stanford Knowledge Systems Laboratory Technical Report KSL-01-05 and Stanford Medical Informatics Technical Report SMI-2001-0880, 2001, March.

46. Аблов, Н. Н. Классификация книг: ее история и методы в связи с классификацией наук вообще / Н. Н. Аблов. Иваново-Вознесенск, 1921. - С. 8.

47. Морковкин, В. В. Идеографические словари / В. В. Морковкин. М. : Изд-во МГУ, 1970. 72. с

48. Ступин, Л.П. Словари современного английского языка / Л.П. Ступин. -Л., 1973.

49. Burchanov, I. On the Ideographic Description of Stylistically and Pragmatically Relevant Aspects of Lexical Meanings /1. Burchanov. Stylistika, 1996.

50. Караулов, Ю.Н. Индивидуальный ассоциативный словарь / Ю.Н. Караулов, М.М. Коробова // В Я. 1993. №5. - С. 5-15.

51. Кучуганов, В.Н. Система визуального проектирования баз знаний / В.Н. Кучуганов, И.Н. Габдрахманов // Информ. технологии в инновационных проектах: Труды III междунар. науч.-техн. конф. Ижевск, 2001. — С. 140-143.

52. Кучуганов, В.Н. Визуальное моделирование текстов / В.Н. Кучуганов // Труды Междунар. научно-технич. конференций "Интеллектуальные системы" (AIS'05)" и "Интеллектуальные САПР" (CAD-2005). М. : ФИЗМАТ-ЛИТ, 2005.-Т. 4.-С. 104-114.

53. Аверкин, А.Н. Толковый словарь по искусственному интеллекту / А.Н. Аверкин, М.Г. Гаазе-Рапопорт, Д.А. Поспелов. — М. : Радио и связь, 1992. — 256с.

54. Арнольд, И. В. Лексико-семантическое поле в языке и тематическая сетка текста / И. В. Арнольд // Текст как объект комплексного анализа в ВУЗе. Л.,1984.-С. 3-11.

55. Апресян, Ю.Д. Избранные труды. Лексическая семантика. Синонимические средства языка / Ю.Д. Апресян. Т. 1. М.: Языки рус. культуры, 1995. -472 с

56. Щур, Г.С. Теории поля в лингвистике / Г.С. Щур. — Либроком, 2009. — 264 с.

57. Дефиниция / Новейший философский словарь. Сост. A.A. Грицанов, 1998.

58. Ивин, A.A. Логика / A.A. Ивин // Учебное пособие. Издание 2-е. М. : Знание, 1998.-С. 76-79.

59. Грэм, Р. Конкретная математика. Основание информатики / Р. Грэм, Д. Кнут, О. Паташник. -М. : Мир, 1998. 703 с.

60. Таксономия или как разделить одну кучу на более мелкие Электронный ресурс. // Город Льгов [Сайт]. (Дата публикации: 07.05.2007). URL : http://www.gorodlgov.ru/?q=node/21 (Дата обращения: 25.09.2010).

61. Таксономия (теория классификации) Электронный ресурс. // Культура в Вологодской области [Сайт]. URL : http://www.cultinfo.ru/fulltext/l/001/ 008/108/590.htm (Дата обращения: 25.09.2010).

62. Маслова, Н.В. Практическая грамматика английского языка. 5-11 кл. / Н.В. Маслова. -М. : Дрофа, 1997. 168 е.: ил.

63. Семантическая сеть. Электронный ресурс. // Словари и энциклопедии на Академике [Сайт] URL : http://dic.academic.ru/diс.nsf/ruwiki/33681#cite note-0 (Дата обращения: 25.09.2010).