Ағылшыншамен салыстырыңыз: абзацты басыңыз — түпнұсқа терезеде ашылады. Абзац астындағы EN түймесі оны мәтін ішінде көрсетеді.
Кіріспе
Көбейтілген өтпелі желі немесе АТН – формалды тілдердің операциялық анықтамасында қолданылатын, әсіресе күрделі табиғи тілдерді талдау үшін және жасанды интеллектте кеңінен қолданылатын графтық теориялық құрылымның бір түрі. АТН, теориялық тұрғыдан, кез келген сөйлемнің құрылымын, оның күрделілігіне қарамастан, талдай алады. АТН – бұл өзгертілген өтпелі желілер және RTN-нің кеңейтілген түрі. АТН сөйлемдерді талдау үшін шекті күйдегі машиналарды (Марков моделі) пайдалану идеясына негізделген. В. А. Вудс «Табиғи тілді талдау үшін өтпелі желілік грамматикалар» еңбегінде шекті күй моделіне рекурсивті механизм қосу арқылы талдауды әлдеқайда тиімді етуге болады деп мәлімдейді. Нақты бір сөйлем үшін автомат құрудың орнына, өтпелі графиктің жиынтығы құрастырылады. Грамматикалық дұрыс сөйлем кез келген күй графигінде соңғы күйге жету арқылы талданады. Бұл графиктің арасындағы өтулер – желідегі кез келген графиктің кез келген бастапқы күйіне бір күйден жасалатын қосалқы шақырулар. Егер сөйлемнің соңғы сөзі соңғы күйге жетсе, сөйлем грамматикалық тұрғыдан дұрыс деп танылады. Бұл модель тілдің табиғатымен қойылған көптеген мақсаттарға сай келеді, себебі ол тілдің заңдылықтарын қамтиды. Яғни, егер бірнеше жағдайда орындалатын процесс болса, грамматика осы процесті бір құрылымда бейнелеуі керек. Мұндай бейнелеу грамматиканы оңайлатумен қатар, жұмыстың тиімділігін де арттырады. Мұндай модельдің тағы бір артықшылығы – шешімдерді кейінге қалдыру мүмкіндігі. Көптеген грамматикалар түсініксіздік туғанда болжам жасауға көшеді. Бұл сөйлем туралы әлі жеткілікті мәлімет жоқ екенін білдіреді. Рекурсияны пайдалану арқылы АТН сөйлем туралы толыққанды мәлімет алғанға дейін шешімдерді кейінге қалдыру арқылы осы тиімсіздікті шешеді.
An augmented transition network or ATN is a type of graph theoretic structure used in the operational definition of formal languages, used especially in parsing relatively complex natural languages, and having wide application in artificial intelligence. An ATN can, theoretically, analyze the structure of any sentence, however complicated. ATN are modified transition networks and an extension of RTNs. ATNs build on the idea of using finite state machines (Markov model) to parse sentences. W. A. Woods in "Transition Network Grammars for Natural Language Analysis" claims that by adding a recursive mechanism to a finite state model, parsing can be achieved much more efficiently. Instead of building an automaton for a particular sentence, a collection of transition graphs are built. A grammatically correct sentence is parsed by reaching a final state in any state graph. Transitions between these graphs are simply subroutine calls from one state to any initial state on any graph in the network. A sentence is determined to be grammatically correct if a final state is reached by the last word in the sentence. This model meets many of the goals set forth by the nature of language in that it captures the regularities of the language. That is, if there is a process that operates in a number of environments, the grammar should encapsulate the process in a single structure. Such encapsulation not only simplifies the grammar, but has the added bonus of efficiency of operation. Another advantage of such a model is the ability to postpone decisions. Many grammars use guessing when an ambiguity comes up. This means that not enough is yet known about the sentence. By the use of recursion, ATNs solve this inefficiency by postponing decisions until more is known about a sentence.