Academic Journal
SEMANTIC TEXT ANALYSIS USING ARTIFICIAL NEURAL NETWORKS BASED ON NEURAL-LIKE ELEMENTS WITH TEMPORAL SIGNAL SUMMATION
| Τίτλος: | SEMANTIC TEXT ANALYSIS USING ARTIFICIAL NEURAL NETWORKS BASED ON NEURAL-LIKE ELEMENTS WITH TEMPORAL SIGNAL SUMMATION |
|---|---|
| Συγγραφείς: | Kharlamov, A., Samaev, E., Kuznetsov, D., Pantiukhin, D. |
| Στοιχεία εκδότη: | Институт проблем искусственного интеллекта, 2023. |
| Έτος έκδοσης: | 2023 |
| Θεματικοί όροι: | семантический уровень, applications, neural network, transformer model, языковая модель, text analysis, приложени, семантический анализ текстов, language levels, TextAnalyst technology for semantic text analysis, нейронная сеть, artificial neural networks based on neurons with temporal summation of signals, semantic level, технология TextAnalyst для семантического анализа текстов, language model, semantic analysis of texts, искусственные нейронные сети на основе нейронов с временным суммированием сигналов, языковые уровни, трансформаторная модель |
| Περιγραφή: | Text as an image is analyzed in the human visual analyzer. In this case, the image is scanned along the points of the greatest informativity, which are the inflections of the contours of the equitextural areas, into which the image is roughly divided. In the case of text analysis, individual characters of the alphabet are analyzed in this wayNext, the text is analyzed as repetitive language elements of varying complexity. Dictionaries of level-forming elements of varying complexity are formed, the top of which is the level of acceptable com-patibility of the root stems of words (names) in sentences of the text, that is, the semantic level. The level of semantics represented by pairs of root stems is virtually a homogeneous directed semantic network. Re-ranking the weights of the network vertices corresponding to the root stems of individual names, as occurs in the hippocampus, makes it possible to move from the frequency characteristics of the network to their semantic weights. Such networks can be used to analyze texts that represent them: one can compare them with each other, classify and use to identify the most significant parts of texts (generate abstracts of texts), etc. Текст как изображение анализируется в зрительном анализаторе человека. При этом изображение сканируется по точкам наибольшей информативности, которые являются перегибами контуров эквитекстурных областей, на которые грубо разбивается изображение. В случае анализа текста таким образом анализируются отдельные символы алфавита. Далее текст анализируется как повторяющиеся элементы языка различной сложности. Формируются словари уровнеобразующих элементов различной сложности, вершиной которых является уровень допустимой сочетаемости корневых основ слов (имен) в предложениях текста, то есть семантический уровень. Уровень семантики, представленный парами корневых основ, представляет собой однородную направленную семантическую сеть. Переранжирование весов вершин сети, соответствующих корневым корням отдельных имен, как это происходит в гиппокампе, позволяет перейти от частотных характеристик сети к их семантическим весам. Такие сети можно использовать для анализа текстов, которые их представляют: сравнивать их между собой, классифицировать и использовать для выявления наиболее значимых частей текстов (генерировать рефераты текстов) и подобное. Проблемы искусственного интеллекта, Выпуск 3 (30) 2023 |
| Τύπος εγγράφου: | Article |
| Γλώσσα: | English |
| DOI: | 10.34757/2413-7383.2023.30.3.001 |
| Αριθμός Καταχώρησης: | edsair.doi...........2be02712689633c9b51dd02bd4bb9969 |
| Βάση Δεδομένων: | OpenAIRE |
| DOI: | 10.34757/2413-7383.2023.30.3.001 |
|---|