Лингвистическое обеспечение процедуры извлечения имплицитной информации при проведении семантических экспертиз, страница 5

В этом значении частица толькоуказывает, что содержащаяся в предложении информация является одним изпримеров того, что происходит обычно. Таким образом, используя эту частицу, авторпредложения исходит из предположения, что В. В. Стрельченко получал денежныесредства не только на открытии комплекса «Мега», но и в других ситуациях».Согласно SDRТ-анализу, последовательно учитывающему контекстнуюсвязность, благодаря лексеме ‘только’ в данном случае выводится отношение«(значительная) часть-целое» между чеком на миллион долларов и (материальными)возможностями для решения социальных проблем граждан района, существованиекоторых постулируется в предыдущем предложении, т. е.

возможна такая перифраза:1Набор риторических отношений в SDRT отличается от принятого в известной теории риторическихструктур. В SDRT отношение рассматривается как самостоятельное, только если оно оказываетвлияние на условия истинности элементов, которые оно связывает, и это влияние не может бытьобъяснено другими средствами. Поэтому в SDRT нет отношений Конкретизации или Примера.18Кондрашова Д.С.

Автореф. дис. ... к.ф.н. М.: 2010в районе есть возможности для решения проблем…, например,… миллион долларов,помимо прочего. Таким образом, лексема ‘только’ действительно вводит«показательный пример», но не пример получения денежных средств главой города, апример их наличия.Применение SDRT дает гарантию, что какая-нибудь важная для судаинформация не будет случайно пропущена (поскольку динамическая теорияподразумевает пошаговую интерпретацию целого текста по мере его развертывания),тогда как, согласно материалу исследования, в настоящее время анализ текстов припроизводстве экспертиз проводится по следующей схеме: эксперт знакомится спредоставленными ему материалами дела и прочитывает текст, чтобы составить онем первичное представление, затем выбирает контекст, необходимый для анализаодной из фраз, фигурирующих в вопросе, поставленном перед экспертизой (выборпроизводится в опоре на интуицию эксперта). После чего для объяснения смыславыбранного отрывка эксперт, как правило, прибегает к перефразированию, т.

е.объясняет понятый им как носителем РЯ смысл иными словами в соответствии сосформировавшимся у него первичным представлением о тексте в целом. Затем вопоре на словари и специальные знания эксперт прибегает к толкованию отдельныхслов и конструкций, ключевых для понимания данного отрывка, или же вызывающихвопрос – с целью пояснить или обосновать свою парафразу. Процедура повторяетсядля каждой из фраз, фигурирующих в постановлении о назначении экспертизы; всеостальное остается, как правило, без внимания, если эксперт случайно не заметит втексте что-либо, что может иметь отношение к делу.Таким образом, применение элементов SDRT позволяет алгоритмизироватьпроцесс семантического анализа произвольного ЕЯ текста и, таким образом,существенно повысить степень объективности семантической экспертизы,одновременно с этим сделав возможной частичную автоматизацию экспертнойдеятельности.В третьей главе «Опыт разработки автоматического определениятональности высказываний в адрес политических деятелей» представленоописание принципа работы реализованного автором настоящего исследованияавтоматического определения тональности высказываний на платформе семействамультиязычных систем извлечения знаний OntosMiner™, что является разработкой (иреализацией) еще одного из выявленных в рамках исследования необходимыхмодулей семантического компонента модели АПТ, ориентированной на решениезадач судебной семантической экспертизы.Одной из подзадач, подлежащих разрешению в ходе проведения экспертныхисследований по делам о защите чести, достоинства и деловой репутации, являетсязадача определения тональности высказываний, входящих в состав спорного текста.Тональностью высказывания в компьютерной лингвистике принято называтьего позитивную / негативную оценочную модальность.

При этом задача определения19тональности может быть рассмотрена в двух ракурсах: объектно-ориентированоеопределение тональности (тональность публикации относительно объекта) VSопределение общей тональности текста как целого. С точки зрения задачсемантической экспертизы спорного текста особый интерес представляет объектноориентированный вариант решения этой задачи, поскольку истец, как правило,обращает внимание суда именно на те фрагменты текста, которые содержат, по егомнению, негативную и противоречащую действительности информацию о нем и / илиего деятельности – что и ставится на рассмотрение экспертам.Выдвигаемая концепция решения задачи обусловлена устройствомотечественной системы OntosMiner, в рамках которой была разработана иреализована подсистема объектно-ориентированного определения тональности.Данная система позволяет на основе использования онтологий применять правилалингвистического программирования для анализа произвольного естественноязыкового текста: автоматически на основе заданной предметной области в текстевыявляются объекты и отношения между ними, в результате чего соответствующимфрагментам текста присваиваются аннотации.

На выходе пользователь системыполучает набор концептуально структурированных данных, которые удобны с точкизрения дальнейшей автоматической обработки и могут быть визуализованы в видесемантических сетей. Таким образом, самые разнообразные неструктурированныеданные, содержащиеся в СМИ, становятся «машиночитаемыми».Для того чтобы выявить в спорном тексте тональные высказывания о заданномобъекте, в первую очередь необходимо выявить все вхождения самого объекта.

Вданном случае, релевантный класс объектов – это персоны и организации. Системавыявляет их с высокой точностью в произвольном естественно-языковом тексте наоснове эвристик. Затем при помощи сложной системы лингвистических правилмежду выявленными объектами устанавливаются различные связи (семантическиеотношения), которые могут быть специфичными для каждой проблемной области.Например, отношение ‘работать_в’, связывающее персону с некоторойорганизацией; симметричное отношение ‘быть_родственником’ между двумяперсонами и подобные. Релевантная в данном случае предметная область должнабыть представлена онтологией, ориентированной на извлечение знаний в областибизнеса и политики.Поскольку задача определения тональности была специфицирована какобъектно-ориентированная, то возникла идея представить тональность в виде особогосемантического отношения, направленного на целевой объект, т.

е. Персону илиОрганизацию, которые могли бы фигурировать в спорном тексте, представленном наэкспертизу. Эта идея и была реализована. Кратко продемонстрировать схемугенерации тонального отношения можно следующим образом.20Кондрашова Д.С. Автореф. дис. ... к.ф.н. М.: 2010(а)В российском правительстве произошел острый конфликт в связи сформированием госкорпорации "Ростехнологии". Вице-премьер правительстваи министр финансов РФ Алексей Кудрин выступил против передачикорпорации более 70 активов, обвинив ее главу Сергея Чемезова в попыткахскрытой приватизации.Как видно на приведенной иллюстрации, во фрагменте (а) система выявит дваобъекта типа Персона – Алексей Кудрин и Сергей Чемезов – и один объект типаОрганизация – Ростехнологии (а также второе вхождение этого объекта,выраженного анафорическим употреблением слова корпорация). Об этом системасигнализирует соответствующим типу цветным выделением (предусмотренным длякаждой генерируемой аннотации в правой части рабочего окна) и перечнем в нижнейчасти рабочего окна с указанием ID объектов, начальной и конечной позиций впоследовательности символов и целого ряда атрибутов, приписываемых объектам наразных этапах анализа.

Таким же образом система просигнализирует о наличии втексте тонально окрашенных элементов: конфликт и обвинив, поскольку в ходеразработки они были включены в словарь подсистемы и помечены в нем как таковые.Такова исходная ситуация, в которой системе предстоит определить тринегативных момента: негативную тональность, ориентированную на объект типаОрганизация (в связи с произошедшим конфликтом, о чем эксплицитно упоминаетсяв первом высказывании, и в связи с выступлением члена правительства) и негативную21тональность, ориентированную на объект типа Персона (в связи с обвинением СергеяЧемезова).Тогда если в следующих фазах анализа будут содержаться шаблоны:(ша1) негативный тональный элемент /конфликт/ + {предложная конструкция всвязи с} + [Организация в творительном падеже];(ша2.1) [Персона в именительном падеже] + {единица словаря с исходной формойвыступить в сочетании с предлогом против} + [Организация в винительномпадеже];(ша2.2) [Персона в именительном падеже] + негативный тональный элемент/обвинить/ + [Персона в винительном падеже],то во фрагменте (а) (а также во всех аналогичных случаях, подходящих под данныешаблоны) система установит наличие отношений, фиксирующих негативнуютональность по отношению к объектам типа Организация в первом предложении и впервой части второго предложения, а также к объекту типа Персона в придаточнойчасти второго предложения.

Эти объекты получат соответствующую аннотацию,свидетельствующую о результатах обработки предложения системой со встроенныммодулем автоматического определения тональности.Высказанная идея представляет собой достаточно простое решениепоставленной задачи, обусловленное собственно средой реализации, однаковоплощение даже такого решения требует определенных временных иинтеллектуальных затрат и не исключает ряда трудностей.На первом этапе работы производился сбор материала среди новостныхинтернет-публикаций, освещающих сферу политических взаимоотношений в нашейстране. На втором этапе проводилась последовательная разметка тональныхэлементов в отобранных текстах и составление соответствующего словаря. Наследующем этапе велась работа по выявлению реально выраженной тональностивысказывания по отношению к фигурирующему в нем объекту (Персоне /Организации): на данных собранного языкового материала разрабатывалась системашаблонов для выделения положительных / отрицательных новостей (сведений) оПерсоне / Организации, в основе которой лежит исчисление различных вариантовсочетаний языковых выражений, кодирующих семантику тонально окрашенногоотношения к заданному объекту.

Заключительный этап разработки состоял вгенерации на каждом шаблоне соответствующего отношения.В результате проведенной работы было создано более 40 фаз дляавтоматического анализа тональности высказываний в сфере политических иэкономических / финансовых новостей русскоязычных электронных СМИ (каждаяфаза представляет собой n-ое количество правил (n ≥ 1), на вход которых подаетсяодин и тот же тип данных; в отдельном файле прописан порядок применения фаз приобработке текста).