Теоретико-графовые модели структуры фольклорных текстов, алгоритмы поиска закономерностей и их программная реализация тема диссертации и автореферата по ВАК РФ 05.13.18, кандидат технических наук Москин, Николай Дмитриевич

• Москин, Николай Дмитриевич
• кандидат технических наук
• 2006

Оглавление диссертации кандидат технических наук Москин, Николай Дмитриевич

ВВЕДЕНИЕ.

ГЛАВА 1. ТЕОРЕТИКО-ГРАФОВЫЕ МОДЕЛИ ТЕКСТОВ.

§1 Моделирование языковой структуры текста при помощи графов.

§2 Язык теоретико-графовой разметки текстов Тех10МЬ.

§3 Примеры описания теоретико-графовых моделей текстов на языке Тех10МЪ.

§4 Теоретико-графовая модель семантической структуры фольклорных песен.

Введение диссертации (часть автореферата) на тему «Теоретико-графовые модели структуры фольклорных текстов, алгоритмы поиска закономерностей и их программная реализация»

Актуальность темы

Данная работа посвящена применению математических методов и компьютерных технологий при исследовании фольклорных текстов. Уже достаточно давно в лингвистических, исторических и социальных науках для формализации текстов используется контент-анализ, который сводится к подсчету частот встречаемости в тексте определенных словосочетаний (индикаторов) [13]. Другой метод, часто применяемый в подобных ситуациях, - это представление объекта исследования в виде типологической формулы, похожей на формулу библиотечной классификации УДК. Ее использовал, например, И. Г. Левин при создании типологии таджикских сказок [55, стр. 76]. Однако такие методы, заменяющие текст набором из нескольких чисел или символов (вектором), вряд ли достаточны для отражения его содержания. Поэтому на сегодняшний день актуальным является разработка новых методов и технологий анализа текстов.

На наш взгляд, адекватной моделью для представления текста является граф, который определяется как конечное множество объектов (вершин) и множество пар различных вершин (ребер) [69, стр. 22]. Такая структура хорошо изучена с точки зрения математики и часто служит удобным средством представления структурированной информации для дальнейшего анализа. Графы используются в гуманитарных областях знаний для автоматической обработки текстов [3, 53], информационного поиска [63], реферирования и индексирования текстов [57, 59], автоматического перевода [26], стилистической диагностики [32, 56], в задачах атрибуции анонимных текстов [33, 45] и т. д. В фольклористике графы применялись крайне мало, такие работы единичны [30, 31].

Другим важным направлением является разработка специализированного программного обеспечения для гуманитарных исследований с применением современных компьютерных технологий. Об этом, в частности, свидетельствуют проходящие в последнее время конференции по данной тематике: «ДИАЛОГ:

Компьютерная лингвистика и интеллектуальные технологии», «АДИТ: Информационные технологии: доступ к культурному наследию», «Проблемы компьютерной лингвистики и фольклористики», конференции Ассоциации «История и компьютер» и т. д.

Объект исследования

Объектом исследования являются теоретико-графовые модели фольклорных текстов и методы их анализа.

Цель и задачи диссертации

Целью работы является разработка новых моделей и методов анализа фольклорных текстов, реализованных в виде информационной системы для исследования фольклорных коллекций с теоретико-графовой формализацией текстов.

Для этого необходимо решить следующие задачи:

1. Разработать теоретико-графовые модели структуры фольклорных текстов.

2. Разработать новые и модифицировать существующие методы анализа построенных моделей.

3. Создать информационную систему для хранения и исследования фольклорных коллекций с теоретико-графовой формализацией текстов.

4. Описать результаты применения данных методов на примере конкретных коллекций фольклорных текстов.

Структура и объем диссертации

Работа состоит из введения, четырех глав, заключения, списка литературы и приложения. Первая глава посвящена применению графов для анализа языковой структуры текста. Здесь приводится описание языка теоретико-графовой разметки TextGML, разработанного на основе XML, который предназначен для описания теоретико-графовых моделей текстов. В конце главы рассмотрена теоретико-графовая модель семантической структуры фольклорных песен. Во второй главе представлены методы и алгоритмы анализа теоретико-графовых моделей и их модификации с учетом упорядоченности вершин и ребер. В третьей главе описывается информационная система по исследованию фольклорных коллекций с теоретико-графовой формализацией текстов, реализованная в среде визуального программирования Delphi 7.0. В четвертой главе приводятся результаты применения разработанных методов для исследования бе-сёдных песен Заонежья XIX - начала XX века.

Общий объем диссертации составляет 121 страница, включая 16 страниц приложения, 44 иллюстрации и 5 таблиц. Список литературы содержит 97 наименований источников.

Научная новизна

В диссертации впервые отражены следующие научные результаты:

1. Разработана теоретико-графовая модель семантической структуры фольклорных песен, рассмотренная на примере коллекции бесёдных песен Заонежья XIX - начала XX века.

2. Предложены и апробированы следующие методы анализа графов:

2.1. Метод визуализации теоретико-графовых моделей фольклорных песен.

2.2. Модификация метода аппроксимации для графов с упорядоченными вершинами.

2.3. Метод сравнения текстов, основанный на модификации метрики для графов с упорядоченными ребрами.

3. Разработан язык теоретико-графовой разметки текстов TextGML на основе XML, предназначенный для описания теоретико-графовых моделей текстов.

4. Создана информационная система по исследованию фольклорных коллекций с теоретико-графовой формализацией текстов в среде визуального программирования Delphi 7.0.

Методы исследования

В работе применяются следующие методы:

1. Методы визуализации, аппроксимации и сравнения графов.

2. Методы многомерного статистического анализа данных.

3. Современные возможности среды и языка программирования Delphi 7.0.

Практическая значимость работы

Практически результаты диссертации могут быть использованы для решения вопросов жанровой дифференциации и атрибуции текстов, составления тематических указателей, указателей фольклорных мотивов и формул.

Основные результаты, выносимые на защиту

1. Разработана теоретико-графовая модель семантической структуры фольклорных песен.

2. Предложен метод визуализации теоретико-графовых моделей фольклорных песен.

3. Предложена модификация метода аппроксимации для графов с упорядоченными вершинами.

4. Предложена модификация метрик на множестве графов с упорядоченными ребрами.

5. Разработан язык теоретико-графовой разметки TextGML на основе XML, предназначенный для описания теоретико-графовых моделей текстов.

6. Разработана информационная система по исследованию фольклорных коллекций с теоретико-графовой формализацией текстов.

Апробация работы и публикации

Основные результаты диссертации были представлены в виде докладов на III, IV и V Всероссийских конференциях ЛСБЬ «Электронные библиотеки: перспективные методы и технологии, электронные коллекции» (2001 г. - Петрозаводск, 2002 г. - Дубна, 2003 г. - Санкт-Петербург), на Седьмой конференции АДИТ «Информационные технологии: доступ к культурному наследию» (2003 г. - Пушкинские Горы), на XII Научных чтениях Даугавпилсского университета (2003 г. - Даугавпилс, Латвия), на IV Международной конференции «Рябининские чтения: Локальные традиции в народной культуре Русского Севера» (2003 г. - Петрозаводск), Международной школе молодых фольклористов (2003 г. - Пушкин), Летней школе «Формальные методы анализа и дескрипции фольклорного текста» (2004 г. - Псков), Всероссийской конференции «Проблемы компьютерной лингвистики и фольклористики» (2004 г. - Воронеж), Международной конференции «Русская и сопоставительная филология: состояние и перспективы» (2004 г. - Казань), на X Международной конференции Ассоциации «История и компьютер» (2006 г. - Москва), на научных семинарах кафедры информатики и математического обеспечения Петрозаводского государственного университета (2000-2006 гг. - Петрозаводск). По теме диссертации опубликованы 4 статьи и 5 тезисов докладов, а также получено свидетельство об официальной регистрации информационной системы в Федеральной службе по интеллектуальной собственности, патентам и товарным знакам (Роспатенте).

Заключение диссертации по теме «Математическое моделирование, численные методы и комплексы программ», Москин, Николай Дмитриевич

Выход

• Мера на основе операций редактирования (переименование вершины, вставка ребра и удаление ребра). Расстояние ищется при помощи процедуры полного перебора. Однако при поиске расстояния на множестве деревьев применяется более быстрый алгоритм [91], описанный в приложении 4.

• Мера на множестве деревьев, заданная функцией подчинения [2].

На основе этих расстояний в системе организован поиск среднего графа (7 на множестве текстов коллекции £ (см. параграф 1.3 второй главы).

На основе вышеперечисленных алгоритмов в системе реализована процедура автоматического разбиения графов на группы (кластеры). При этом пользователю может выбрать тип расстояния между объектами и между кластерами. Результаты анализа выводятся в левом окне в виде списка групп текстов (см. рис. 29). В системе также предусмотрена усложненная процедура, включающая детальное отображение всех промежуточных числовых данных и графическое изображение кластеров.

Кластерный анализ текстов

Список выбранных песен:

Группа 1 Все мужья до жен добры Широкая борода! Ты, отеческая дочь! Ты, хозяин, благослови! Не такова отце, матери бывала Группа 2

Девушка в горенке сидела Как вяла серая утка Группа 3 Уж ты Ванюша, Иван Невы зрев шей рябинушки нельзя Группа 4 Не огонь горит, не смола кипит Мальчик ты, мальчик Позябло, позябло лицо Ты пошго, мати, к орошу родила? Не стойки го стойкам стоят Воронок, воронок, черненькой воронок! Выйду на сини, на сиоероче''. Группа 5

Ач ты, вьюжик, ты, мой ььюночик. Группа 5 Туг шла, прошла корета

Распределение св язей между объект Как вила серая утка] Девушка в горенке сидела"] ; Невызревшей рябинушки нельзя эаломать [ Ты, отеческая дочь! |; || Ты, хозяин,благослови! || Не такова отца, матери бывала |. Критерий.

Распределение связей между объектами <"' Распределение объектов по группам Г Распределение связей по группам

Количество групп подобия Отображение групп. С Цветом Гругетировк.ой р' Вывести надписи Разбить на гр^лы

Изобразить графически

Подробный кластерный анализ

Рис. 29. Кластерный анализ текстов.

§3 Проект специализированного Интернет-ресурса для представления и анализа фольклорных текстов

Стремительное развитие Интернет-технологий дает ученым принципиально новые возможности в представлении своих результатов научному сообществу. Особенно это касается ученых социально-гуманитарных направлений, работающих с большими комплексами источников. Действительно, если математику зачастую достаточно выложить в Сеть свои публикации, физику - подробно описать эксперимент и сослаться на стандартные методы обработки полученных данных, то историк обычно опирается в своих исследованиях на неопубликованные архивные документы и авторские методики работы с ними.

Web-тexнoлoгии сети Интернет позволяют объединить вместе текст с описанием методики исследования и выводами автора, базу данных с первичными материалами и инструменты для обработки данных по той или иной методике. Привычное для естественных наук требование воспроизводимости эксперимента оказывалось применимым и в гуманитарных областях знаний. Центральным элементом такой публикации становится вовсе не текст, а информационная система, вводящая в научный оборот новые данные.

С 2003 года аспирантом кафедры информатики и математического обеспечения Петрозаводского государственного университета И. В. Кравцовым ведется работа над представлением информационной системы по фольклорным коллекциям в виде специализированного Интернет-ресурса [16].

Основными целями создания Интернет-ресурса являются:

- Публикация информации о проекте и предоставление коллекций текстов.

- Демонстрация применения математических методов для анализа текстов.

- Обеспечение удаленного доступа к информационной системе для потенциальных пользователей, предоставление им возможности работы в системе со своими материалами.

- Разработка и апробация методики создания подобного наукоемкого ресурса, изучение его функциональности и полезности для научного сообщества.

При этом, с одной стороны, для Интернет-ресурса требуется выбрать наиболее понятные пользователю методы, с другой - показать наиболее эффективные, но, возможно, более объемные и сложные. Поэтому, в первую очередь, требуется создать наглядные представления исходной, промежуточной и результирующей информации, предоставить методику работы с приложением, предложить удобную навигацию, а также интуитивно понятные интерфейсы ввода и просмотра данных.

Для построения рассматриваемого ресурса будет использована клиент-серверная архитектура, где основные вычисления и обработка данных будут происходить на сервере. Данная концепция позволит довольно эффективно работать в сети и не потребует от пользователя дополнительной установки программного обеспечения кроме обычного Web-браузера.

Для организации быстрой и функционально удобной работы предполагается использовать технологию OLAP (On-Line Analytical Processing) [54]. В основном OLAP-средства используются в коммерческих приложениях, где необходим анализ больших объемов данных, собираемых операционными базами данных. Накопленные данные организуются в специальные хранилища (Data Warehouse) [6]. OLAP-средства рассчитаны на быструю обработку нерегламен-тированных запросов аналитиков к хранилищам данных. Данные в хранилищах заранее агрегированы и выстроены в многочисленные иерархии в зависимости от решаемых задач. Их можно представить, в отличие от реляционных баз данных, в виде многомерных кубов (гиперкубов), что позволяет говорить о многомерных базах данных.

Согласно Д. Кодду [85], многомерное представление данных состоит из нескольких независимых измерений, вдоль которых могут быть проанализированы определенные совокупности данных. Каждое измерение включает направления консолидации данных, состоящие из серии последовательных уровней обобщения, где каждый вышестоящий уровень соответствует большей степени агрегации данных по соответствующему измерению.

Используя методологию ЯОЬАР, согласно которой многомерные данные хранятся в реляционных таблицах, можно моделировать структуру данных гиперкубов с помощью двух типов таблиц: таблиц фактов и таблиц измерений. Измерения - это параметры, шкалы, по которым будут распределяться данные, а факты - это записи, фиксирующие полученные распределения.

Рис. 30. Запись в таблице фактов.

Пусть, например, нас интересует, каков типологический состав объектов, выделенных в фольклорных песнях. Для этого мы создаем все необходимые измерения и объединяем их в отдельное пространство, которое будем называть пространством классификации (см. рис. 30).

Точка в этом пространстве показывает наличие объекта-слова определенного класса в той или иной песне. Такая точка соответствует записи в таблице фактов, причем вместо символьных значений, которые показаны на рисунке, в ней хранятся числовые поля. Числовые поля (своеобразные координаты в пространстве классификации) соответствуют ключевым полям таблиц измерений, формирующих гиперкуб. Структура реляционных таблиц, описывающих смоделированный куб, представлена на рисунке 31.

Такую схему таблиц с заданной иерархией измерений еще называют «звездой» или «снежинкой». В данном случае: obj wordJact - таблица фактов; song, object word, object class - таблицы измерений; collection, objectgroup - таблицы иерархии для измерений;

Рис. 31. Схема реляционных таблиц.

В результате, структура данных становится денормализованной, потому что отдельные поля (например, songjd) дублируется в нескольких таблицах. В то же время сокращается время получения запросов к часто используемой информации, такой как, например, разбиение объектов по классам для нескольких песен. Для получения необходимой информации требуется анализ только таблицы фактов

Заключение

В заключении сформулируем основные результаты работы:

1. Разработана теоретико-графовая модель семантической структуры фольклорных песен, рассмотренная на примере коллекции бесёдных песен За-онежья XIX - начала XX века.

2. Предложен метод визуализации теоретико-графовых моделей фольклорных песен.

3. Предложен метод аппроксимации графов с упорядоченными вершинами.

4. Предложен метод сравнения текстов, основанный на модификации метрик для графов с упорядоченными ребрами.

5. Разработан язык теоретико-графовой разметки текстов TextGML на основе XML, предназначенный для описания теоретико-графовых моделей текстов.

6. Создана информационная система по исследованию фольклорных коллекций с теоретико-графовой формализацией текстов в среде визуального программирования Delphi 7.0.

Данное исследование может быть продолжено дальнейшей модификацией методов сравнения и аппроксимации графов (например, с учетом иерархической организации текста и экспериментального характера построенных графов), разработкой новых методов анализа текстов на основе теоретико-графовых моделей (например, восстановление структуры графов, что может пригодиться при реконструкции текстов), апробацией рассмотренных методов на примере коллекций других фольклорных жанров: духовных стихов, сказок, причитаний и т. д.

Список литературы диссертационного исследования кандидат технических наук Москин, Николай Дмитриевич, 2006 год

1. Прикладная статистика: Классификация и снижение размерности: Справ, изд. / С. А. Айвазян, В. М. Бухштабер, И. С. Енюков, Л. Д. Мешалкин / Под ред. С. А. Айвазяна. М.: Финансы и статистика, 1989. - 607 с.

2. Автоматическая обработка текста: Сб. ст. / Под ред. Э. Ф. Скороходько. -Киев, 1980. 74 с. - (Препринт / АН УССР. Ин-т кибернетики; 80-24).

3. Апресян Ю. Д. Идеи и методы современной структурной лингвистики. -М.: Просвещение, 1966. 302 с.

4. Артеменко Е. Б. Принципы народно-песенного текстообразования. Воронеж: Издательство Воронежского университета, 1988. - 173 с.

5. Архипенков С. Я., Голубев Д. В., Максименко О. Б. Хранилища данных. От концепции до внедрения / Под общ. ред. С. Я. Архипенкова. М.: Диалог-МИФИ, 2002. - 528 с.

6. Бауман Е. В., Мучник И. Б. Алгоритм перестройки структуры в задаче аппроксимации графов // Автоматика и телемеханика. 1976. №6. - С. 125-133.

7. Берц С., Херндон У. Подобие в графах и молекулах // Искусственный интеллект: применение в химии: Сб. статей / Ред. Т. Пирс, Б. Хони. М.: Мир, 1988.-С. 199-206.

8. Бородкин А. М., Мучник И. Б. Приближенный алгоритм аппроксимации графа, основанный на методе вторых разностей // Автоматика и телемеханика. 1977. №4.-С. 114-120.

9. Бородкин Л. И. Агрегирование структуры графов с размытыми блоками // Автоматика и телемеханика. 1978. №8. - С. 142-153.

10. Бородкин Л. И. Контент-анализ и проблемы изучения исторических источников // Математика в изучении средневековых повествовательных источников: Сб. ст. / Отв. ред. Б. М. Клосс. М.: Наука, 1986. - С. 8-30.

11. Браверман Э. М., Мучник И. Б. Структурные методы обработки эмпирических данных. М.: Наука, 1983. - 464 с.

12. Венгранович М. А. Экстралингвистическая обусловленность лингвостиле-вой специфики фольклорного текста. Петрозаводск: Издательство Петрозаводского государственного университета, 2004. - 196 с.

13. Гладкий А. В. Синтаксические структуры естественного языка в автоматизированных системах общения / Серия «Проблемы искусственного интеллекта», №6. М.: Наука, 1985.- 144 с.

14. Древние российские стихотворения, собранные Киршею Даниловым. / Под ред. А. А. Горелова. (Серия «Полное собрание русских былин») СПб.: Тропа Троянова, 2000. - Т. 1. - 432 с.

15. Калашникова Р. Б. Беседы и бесёдные песни Заонежья второй половины XIX века. Петрозаводск: Издательство Петрозаводского государственного университета, 1999. - 162 с.

16. Касьянов В. Н., Евстигнеев В. А. Графы в программировании: обработка, визуализация и применение. СПб.: БХВ-Петербург, 2003. - 1104 с.

17. Кулагина О. С. Исследования по машинному переводу. М.: Наука, 1979. -320 с.

18. Куперштох В. JL, Трофимов В. А. Алгоритм анализа структуры матрицы связи // Автоматика и телемеханика. 1975. №11.- С. 170-180.

19. Лысанов В. Д. Досюльная свадьба, песни, игры и танцы в Заонежье Олонецкой губернии. Петрозаводск: Северная скоропечатня Р. Г. Каца, 1916. -119,30 с.

20. Мальцев Г. И. Традиционные формулы русской народной необрядовой лирики: Исследования по эстетике устно-поэтического канона / Отв. ред. А. Ф. Некрылова. Л.: Наука, 1989. - 165 с.

21. Маранда П. «Золушка»: теория графов и множеств // Зарубежные исследования по семиотике фольклора: Сб. ст. / Сост. Е. М. Мелетинский, С. Ю. Неклюдов. М.: Наука, 1985. - С. 261-274.

22. Маранда П., Кёнгас-Маранда Э. Структурные модели в фольклоре. // Зарубежные исследования по семиотике фольклора: Сб. ст. / Сост. Е. М. Мелетинский, С. Ю. Неклюдов. М.: Наука, 1985. - С. 194-260.

23. Мартыненко Г. Я. Основы стилеметрии. Л.: Издательство ЛГУ, 1988. -173 с.

24. Марусенко М. А. Атрибуция анонимных и псевдонимных литературных произведений методами теории распознавания образов. Л.: Издательство ЛГУ, 1990.- 164 с.

25. Мелетинский Е. М. К вопросу о применении структурно-семиотического метода в фольклористике // Семиотика и художественное творчество: Сборник статей / Ред. коллегия: Ю. А. Барабаш и др. М.: Наука, 1977. - С. 152-170.

26. Миркин Б. Г. Анализ качественных признаков и структур. М.: Статистика, 1980.-319 с.

27. Миркин Б. Г., Родин С. Н. Графы и гены: Использование графов в анализе структуры функций и эволюции генетических систем / Под ред. В. А. Ратнера. -М.: Наука, 1977.-239 с.

28. Москин Н. К вопросу об изучении фольклорного наследия при помощи компьютерных технологий // Международная школа молодых фольклористов. Тезисы докладов. Пушкин, 2003. - С. 16.

29. Москин Н. Д. Применение контент-анализа для исследования коллекции текстов о народных святых Нижегородского края // Информационный бюллетень Ассоциации «История и компьютер». № 34. Материалы X конференции АИК. Москва, 2006. - С. 79-80.

30. Мучник И. Б. Анализ экспериментальных графов // Автоматика и телемеханика. 1974. №9. - С. 62-80.

31. Народные песни Вологодской и Олонецкой губерний, собранные Ф. Сту-дитским. Санкт-Петербург, 1841.

32. Новиков А. И. Семантика текста и ее формализация. М.: Наука, 1983. -215 с.

33. Описание Олонецкой губернии в историческом, статистическом и этнографическом отношениях. Сост. В. Дашков. Санкт-Петербург: тип. мин-ва внутренних дел, 1842. - 222 с.

34. От Нестора до Фонвизина: Новые методы определения авторства / Л. В. Милов, Л. И. Бородкин, Т. В. Иванова и др. / Под редакцией Л. В. Милова. М.: Прогресс, 1994.-445 с.

35. Песни городенского хора / Составление, предисловие, нотация напевов Е. Е. Васильевой. Новгород, 1990. - 144 с.

36. Песни, собранные П. Н. Рыбниковым / Под ред. Б. Н. Путилова. Т. 1. Былины. - Петрозаводск: Карелия, 1989. - 527 с.

37. Пешковский А. М. Русский синтаксис в научном освещении. 8-е изд. -М.: Эдиториал УРСС, 2001.-450 с.

38. Повести, сказки, притчи древней Индии / Перевод с пали и санскрита. Сост., предисл. и примеч. А. Я. Сыркина. М.: Наука, 1964. - 300 с.

39. Проблемы анализа дискретной информации: Сборник научных трудов / Новосибирск: ИЭиОПП, 1975. 181 с.

40. Путилов Б. Н. Фольклор и народная культура. In Memoriam: Сб. / Сост. Е. О. Путилова; Отв. ред. А. Н. Анфертьев. СПб.: Петербургское Востоковедение, 2003.-464 с.

41. Рэй Э. Изучаем XML. Пер. с англ. - СПб.: Символ-Плюс, 2001. - 408 с.

42. Сайт проекта «Автоматическая обработка текстов», http://www.aot.ru

43. Сахаров А. А. Концепция построения и реализации информационных систем, ориентированных на анализ данных // СУБД. 1996. №4. - С. 55-70.

44. Свод таджикского фольклора / Под ред. И. Г. Левина. М.: Наука, 1981. — Т.1. Басни и сказки о животных. - 389 с.

45. Севбо И. П. Графическое представление синтаксических структур и стилистическая диагностика. Киев: Наукова Думка, 1981. - 192 с.

46. Севбо И. П. Структура связного текста и автоматизация реферирования / Под ред. С. К. Шаумяна. М.: Наука, 1969. - 136 с.

47. Седжвик Р. Фундаментальные алгоритмы на С. Алгоритмы на графах. -СПб: ООО «ДиаСофтЮП», 2003. 480 с.

48. Скороходько Э. Ф. Семантические сети и автоматическая обработка текста. Киев: Наукова думка, 1983. - 218 с.

49. Собрание народных песен П. В. Киреевского: Записи П. И. Якушкина / Отв. ред. А. А. Горелов (серия «Памятники русского фольклора»). JL: Наука. Ленингр. отд-ние, 1986. - Т. 2. - 325 с.

50. Спецификация GXL. http://www.gupro.de/GXL/

51. Спецификация XGMML. http://www.cs.rpi.edu/~puninj/XGMML/

52. Сэлтон Г. Автоматическая обработка, хранение и поиск информации / Под ред. А. И. Китова. -М.: Сов. радио, 1973. 530 с.

53. Тарланов 3. К. Методы и принципы лингвистического анализа: Учебное пособие для вузов. Петрозаводск: Издательство Петрозаводского университета, 1995.- 189 с.

54. Терехина А. Ю. Анализ данных методами многомерного шкалирования. -М.: Наука, 1986.- 166 с.

55. Тулдава Ю. Проблемы и методы квантитативно-системного исследования лексики. Тарту: ТГУ, 1987. - 203 с.

56. Турыгина Л. А. Моделирование языковых структур средствами вычислительной техники. М.: Высшая школа, 1988. - 175 с.

57. Фаронов В. В. Delphi. Программирование на языке высокого уровня: Учебник для вузов. СПб.: Питер, 2004. - 640 с.

58. Харари Ф. Теория графов / Пер. с англ. и предисл. В. П. Козырева. Под ред. Г. П. Гаврилова. Изд. 3-е, стереотипное. М.: КомКнига, 2006. - 296 с.

59. Химические приложения топологии и теория графов: Материалы симпозиума 18-22 апреля 1983 г., Афины, шт. Джорджия, США / Под ред. Ю. А. Жданова. -М.: Мир, 1987. 560 с.

60. Хроленко А. Т. Поэтическая фразеология русской народной лирической песни. Воронеж: Издательство Воронежского университета, 1981. - 163 с.

61. Хроленко А. Т. Семантика фольклорного слова. Воронеж: Издательство Воронежского университета, 1992. - 139 с.

62. Шайкевич А. Я. Дистрибутивно-статистический анализ текстов // Принципы и методы семантических исследований: Сб. статей / Под ред. В. Н. Ярцева. -М.: Наука, 1976. С. 353-378.

63. Шемакин Ю. И. Начала компьютерной лингвистики: Учебное пособие. -М.: Издательство Московского государственного открытого университета, 1992.- 113 с.

64. Ю. М. Лотман и тартуско-московская семиотическая школа / Сост. А. Д. Кошелев. М.: Гнозис, 1994. - 547 с.

65. Яншин В. В. Анализ и обработка изображений: принципы и алгоритмы: Учебное пособие для вузов. М.: Машиностроение, 1995. - 111 с.

66. Brandes U. Drawing on physical analogies // Lecture Notes in Computer Science. 2001. - Vol. 2025 - P. 71-86. http://citeseer.ist.psu.edu/631581 .html

67. Bunke H. Graph matching for visual object recognition // Spatial Vision. Vol. 13,No. 2-3.-2000.-P. 335-340.http://iamwww.unibe.ch/~fki/publications/public/Bu00-001.ps.gz

68. Bunke H. Graph matching: theoretical foundations, algorithms, and applications // Proc. Vision Interface. Montreal, 2000. - P. 82-88. http://tcw2.ppsw.rug.nl/ki2/literature/graphmatch-bunke.pdf

69. Bunke H., Jiang X., Kandel A. On the minimum common supergraph of two graphs // Computing. 2000. - Vol. 65, No. 1. - P. 13-25. http://wotan.liu.edu/docis/dbl/comput/2000 65 1 13 QTMCSQ.html

70. Bunke H., Shearer K. A graph distance metric based on the maximal common subgraph // Pattern Recognition Letters. 1998. - Vol. 19, No. 3-4. - P. 255-259. http://citeseer.ist.psu.edu/bunke98graph.html

71. Cardenosa J., Gelbukh A., Tovar E. Universal networking language: advances in theory and applications / Special issue of «Research on Computing Science». IPN, 2005.-Vol. 12.-443 p.

72. Codd E. F., Codd S. B., Salley C. T. Providing OLAP (on-line analytical processing) to user-analysts: an IT mandate // Technical Report, E. F. Codd & Associates, 1993.http://www.cs.bgu.ac.il/~dbm031/dw032/Papers/olaptouseranalystswp.pdf

73. Di Battista G., Eades P., Tamassia R., Tollis I. Algorithms for drawing graphs: an annotated bibliography // Computational Geometry Theoiy & Applications. -1994. Vol. 4, No. 5. - P. 235-282. http://www.cs.brown.edu/people/rt/papers/gdbiblio.pdf

74. Eiglsperger M., Fekete S. P., Klau G. W. Orthogonal graph drawing // Lecture Notes in Computer Science. 2001. - Vol. 2025. - P. 121 -171. http://www-ma2.upc.es/wood/papers/OrthogonalGraphDrawingSurvey- / LNCS2025.pdf

75. Isert C. The editing distance between trees // Ferienakademie Bäume: Algorith-mik und Kombinatorik. Sarntal, Italy, 1999. http://citeseer.ist.psu.edu/isert99editing.htinl

76. Ruspini E., Wolverton M. Graph-editing metrics for pattern matching // Working paper, Version 3. 2002.http://www.ai.sri.com/~law/graph-edit-distance-wk3.pdf

77. Sugiyama K., Tagawa S., Toda M. Methods for visual understanding of hierarchical system structures / IEEE Transactions on Systems, Man and Cybernetics. -1981.-Vol. 11, No. 2.-P. 109-125.

78. Ullmann J. R. An algorithm for subgraph isomorphism // Journal of the Association for Computing Machinery. 1976. - Vol. 23, No. 1. - P. 31-42.

79. Wagner R., Fischer M. The string-to-string correction problem // Journal of the Association for Computing Machinery. 1974. - Vol. 21, No. 1. - P. 168-173.

80. Zhang K. Computing similarity between RNA secondary structures // Proc. IEEE International Joint Symposia on Intelligence and Systems. 1998. - P. 126132. http://www.csd.uwo.ca/faculty/kzhang/rna/papers/rna sec sim.ps