Алгоритм извлечения информации в ABBYY Compreno. Часть 1

[aTwice]

Разбор реаьлного текста Ильфа и Петрова поражает!

[Ares_ekb]

Очень клево! Казалось бы это совершенно естественное направление развития подобных программ, но лично у меня почему-то онтологии всегда ассоциировались с поисковыми системами или интеграционными шинами.

[rimsleur]

Интересно, почему в последнем дереве узел «9» является подузлом для «5»?

[bulgak0v]

По ряду причин временные интервалы («с 9 до 5») удобнее представлять цельным поддеревом, а не двумя независимыми друг от друга параллельными поддеревьями.
Например, это удобнее для извлечения информации. При таком способе представления в разборе предложения «Вася работал с 9 до 12 и с 13 до 18» будет два поддерева, по одному на каждый интервал. Если же не группировать каждый интервал в единое поддерево, то по структуре намного сложнее понять, с 9 до 12 работал Вася или с 9 до 18.
Почему вершиной назначен конец интервала, а не начало? Это техническое решение, глубокого смысла в нём нет.

[BalinTomsk]

А если интервал в виде: «Отсюда и до обеда»?

[zen]

Древесные связи убили, может лучше написать древовидные?

[bulgak0v]

С непривычки режет слух, но зато сразу понятно, о чем речь. Древовидными называть их тоже странно: сами связи-то никакие не древовидные, просто используются они в древовидных структурах.

[samodum]

Можете назвать какие-нибудь системы, проекты, где это используется?

[luciana]

Мы планируем в ближайшие пару недель выпустить пост о проектах, где это уже используется, и других возможных сценариях.

Пока, если интересно, можете почитать на сайте о продуктах на основе этой технологии (там, правда, коротко)
ABBYY Smart Classifier
ABBYY Intelligent Search SDK
ABBYY InfoExtractor SDK

[Maccimo]

>> Парсер генерирует деревья семантико-синтаксических разборов предложений (по одному дереву на одно предложение).
…
>> Помимо семантико-синтаксических деревьев парсер ABBYY Compreno возвращает информацию о недревесных связях между их узлами (дополнительные связи между узлами, которые не могут быть представлены в древесной структуре).

Почему деревья, а не графы?
Разве последние не более удобны в данном случае?
Или в действительности это графы, маскирующиеся под деревья для удобства онтоинженеров?

[Nashev]

Интересно, что здесь у вас значит «в действительности»?

Если смотреть широко, то деревья — это и есть графы, один из подвидов.
А тут показаны деревья с дополнительными связями между ветками, то есть они ещё больше графы, чем просто деревья.

[Nashev]

А как автоматически можно понять из дерева разбора фразы «Онтоинженер Даня сидел и писал пост», что Даня писал пост именно сидя?
Если нужно извлечь из текстов ответы на вопрос, «что именно было написано сидя?»

[mnv]

Интересует, каков процент точности построения синтаксического графа? И умеет ли система правильно разбирать подобные предложения?:

Вася зашел на мост, он был доволен

Вася зашел на мост, он был деревянный

[Nashev]

это называется анафора, и вроде умеет