ISSN 0021-3454 (печатная версия)
ISSN 2500-0381 (онлайн версия)
Меню

7
Содержание
том 63 / Июль, 2020
СТАТЬЯ

DOI 10.17586/0021-3454-2019-62-8-702-709

УДК 004.415.2

МЕТОДЫ КВАНТОВОГО ФОРМАЛИЗМА В ИНФОРМАЦИОННОМ ПОИСКЕ И ОБРАБОТКЕ ТЕКСТОВ НА ЕСТЕСТВЕННЫХ ЯЗЫКАХ

Бессмертный И. А.
Университет ИТМО, Санкт-Петербург, 197101, Российская Федерация; доцент


Васильев А. В.
Университет ИТМО; факультет программной инженерии и компьютерной техники ;


Королёва Ю. А.
Университет ИТМО; аспирант


Платонов А. В.
Университет ИТМО; факультет программной инженерии и компьютерной техники;


Полещук Е. А.
Университет ИТМО, факультет программной инженерии и компьютерной техники;


Читать статью полностью 

Аннотация. Создание интеллектуальных систем в парадигме логического поиска решений требует формализации знаний в виде онтологий, продукционных моделей и т.п. Однако обеспечить строгую формализацию знаний удается далеко не всегда вследствие неполноты, неточности и противоречивости данных. В последнее время внимание исследователей переключилось на извлечение знаний из естественно-языковых текстов. Особого внимания заслуживает подход, основанный на использовании квантового формализма к объектам макромира, позволяющим учитывать присущую естественному языку неопределенность и неточность. Многочисленные эксперименты, проведенные в течение последних 30 лет, демонстрируют, что математический аппарат, разработанный для моделирования элементарных частиц, также удовлетворительно описывает поведение людей, которое не может быть описано математическим аппаратом классической логики и теории вероятностей. Проанализированы методы обработки естественно-языковых текстов средствами квантовой математики.
Ключевые слова: интеллектуальные системы, квантовый формализм, обработка естественно-языковых текстов, моделирование семантики, оператор плотности

Список литературы:
  1. Бородай С. Ю. Современное понимание проблемы лингвистической относительности: работы по пространственной концептуализации // Вопросы языкознания. 2013. № 4. C. 17—54.
  2. Caputo A., Piwowarski B., Lalmas M. A Query Algebra for Quantum Information Retrieval // Proc. of the 2nd Italian Information Retrieval Workshop. 2011. January.
  3. Hitzler P., Krtzsch M., Rudolph S. Foundations of Semantic Web Technologies. Chapman & Hall/CRC, 2009.
  4. Amerland D. Google Semantic Search: Search Engine Optimization Techniques That Get Your Company More Traffic, Increase Brand Impact, and Amplify Your Online Presence. Que Publishing Company, 2013. P. 40—53.
  5. Clark S., Coecke B., Sadrzadeh M. A Compositional Distributional Model of Meaning. Quantum Interaction. California, USA, 2007.
  6. Blacoe W., Kashefi E., Lapata M. A Quantum-Theoretic Approach to Distributional Semantics // Human Language Technologies: Conf. of the North American Chapter of the Association of Computational Linguistics. Proc. June 9—14, 2013, Atlanta, Georgia, USA, Association for Computational Linguistics, 2013. P. 847—857.
  7. Li J., Zhang P., Song D., Hou Y. An adaptive contextual quantum language model // Physica A: Statistical Mechanics and its Applications. 2016, March. DOI: 10.1016/j.physa.2016.03.003.
  8. Хренников А. Ю. Введение в квантовую теорию информации. М.: Физматлит, 2008. 284 с. ISBN: 978-5-9221-0951-2.
  9. Lambek J. Type Grammar Revisited // Logical Aspects of Computational Linguistics. Berlin, Heidelberg: Springer, 1999. Vol. 27. P. 1—27.
  10. Abramsky S., Duncan R. A categorical quantum logic // Mathematical Structures in Computer Science. 2006. Vol. 16, N 3. P. 469—489.
  11. Sordoni A., Nie J., Bengio Y. Modeling Term Dependencies with Quantum Language Models for IR // Proc. of the 36th Intern. ACM SIGIR Conf. on Research and Development in Information Retrieval. SIGIR’13. NY, USA: ACM, 2013. P. 653—662.
  12. Sordoni A., Bengio Y., and Nie J.-Y. Learning concept embeddings for query expansion by quantum entropy minimization // Proc. of the Twenty-Eighth AAAI Conf. on Artificial Intelligence. 2014. Р. 1586—1582.
  13. D’Hooghe B., Aerts D., Haven E. Quantum formalisms in non-quantum physics situations: historical developments and directions for future research [Электронный ресурс]: .
  14. Blacoe W., Kashefi E., Lapata M. A Quantum-Theoretic Approach to Distributional Semantics // Human Language Technologies: Conf. of the North American Chapter of the Association of Computational Linguistics, Proce. USA, Association for Computational Linguistics, 2013. P. 847—857 [Электронный ресурс]: .
  15. Clark S., Coecke B., Grefenstette E. et al. A quantum teleportation inspired algorithm produces sentence meaning from word meaning and grammatical structure // Malaysian J. of Mathematical Sciences. 2013. Vol. 8.:
  16. Rijsbergen C. J. van. The Geometry of Information Retrieval. NY: Cambridge University Press, 2004. ISBN: 0521838053.
  17. Gabora L., Aerts D. Contextualizing concepts using a mathematical generalization of the quantum formalism // J. Exp. Theor. Art. Int. 2002. Vol. 31. P. 327—358.
  18. Barros J., Toffano Z., Meguebli Y., Doan B. Contextual Query Using Bell Tests // Quantum Interaction: 7th Intern. Conf. UK. 2013. Vol. 8369. P. 110—121.
  19. Robins J. M., Vanderweele T. J., and Gill R. D. A proof of Bell’s inequality in quantum mechanics using causal interactions // Scand. 2015. J. Stat. To appear [Электронный ресурс]: .
  20. Sordoni A., Nie J.-Y. Looking at vector space and language models for IR using density matrices // Quantum Interaction. QI 2013. Lecture Notes in Computer Science. 2014. Vol. 8369. P. 147—159. https://doi.org/10.1007/978-3-642-54943-4_13
  21. Bell J. S. On the Einstein Podolsky Rosen paradox // Physics. 1964. Vol. 1, N 3. P. 195—200 [Электронный ресурс]: .
  22. Fano G., Blinder S. M. Quantum Entanglement and Bell’s Theorem. Mathematical Methods and Conceptual Foundations // Springer International Publishing. 2017. Vol. 262.
  23. Aerts D., Czachor M., Sozzo S. Quantum Interaction Approach in Cognition, Artificial Intelligence and Robotics // CoRR. 2011. Vol. 10. P. 35—40.
  24. Galofaro F., Toffano Z., Doan B. A quantum-based semiotic model for textual semantics // Kybernetes. 2018. Vol. 47, N 2. P. 307—320. https://doi.org/10.1108/K-05-2017-0187.
  25. Lund K., Burgess C. Producing high-dimensional semantic spaces from lexical co-occurrence // Behavior Research Methods Instruments and Computers. 1996. Vol. 28. P. 203—208.
  26. Yan Xin, Li Xue, Song Dawei. A correlation analysis on LSA and HAL semantic space models // Computational and Information Science. Lecture Notes in Computer Science. Berlin: Springer, 2004. P. 711—717.
  27. Hou Y., Song D. Characterizing pure high-order entanglements in lexical semantic spaces via information geometry // Intern. Symp. on Quantum Interaction. Springer, 2009. P. 237—250.
  28. Hou Y., Zhao X., Song D., Li W. Mining pure high-order word associations via information geometry for information retrieval // ACM Transactions on Information Systems (TOIS). 31. 12.2013.