Текстологические методы

Группа текстологических методов объединяет методы извлечения знаний, основанные на изучении специальных текстов из учебников, монографий, статей, методик и других носителей профессиональных знаний.

Задачу извлечения знаний из текстов можно сформулировать как задачу понимания и выделения смысла текста. Сам текст на естественном языке является лишь проводником смысла, а замысел и знания автора лежат во вторичной структуре (смысловой структуре или макроструктуре текста), настраиваемой над естественным текстом.

При этом можно выделить две смысловые структуры:

М₁ — смысл, который пытался заложить автор, это его модель мира, и М₂ — смысл, который постигает читатель, в данном случае инженер по знаниям (рис. 14.4), в процессе интерпретации I. При этом Т — это словесное одеяние М₁, то есть результат вербализации V.

Сложность процесса заключается в принципиальной невозможности совпадения знаний, образующих М₁ и М₂, из-за того что М₁ образуется за счет всей совокупности представлений, потребностей, интересов и опыта автора лишь малая часть которых находит отражение в тексте Т. Соответственно, и М₂ образуется в процессе интерпретации текста Т за счет привлечения всей совокупности научного и человеческого багажа читателя. Таким образом, два инженера по знаниям извлекут из одного Т две различные модели Мi₁ и Мi₁.

Встает задача: выяснить, за счет чего можно достичь максимальной адекватности М₁ и М₂, помня при этом, что понимание всегда относительно, поскольку это синтез двух смыслов «свое–чужое» [Бахтин, 1975].

Рассмотрим подробнее, какие источники питают модель М₁ и создают текст Т. В работе [Сергеев, 1987] указаны два компонента любого научного текста. Это первичный материал наблюдений α и система научных понятий β в момент создания текста. В дополнение к этому, на наш взгляд, помимо объективных данных экспериментов и наблюдений, в тексте обязательно присутствуют субъективные взгляды автора γ, результат его личного опыта, а также некоторые «общие места» или «вода» δ. Кроме этого, любой научный текст содержит заимствования из других источников (статей, монографий) и т. д. При этом все компоненты погружены в языковую среду L. Можно записать:

Т = (α, β, γ, δ, Ѳ)_L.

Таким образом, компоненты научного текста можно представить в виде следующей схемы (рис. 59). При этом компоненты β, γ, часть α входят и в модель М₁.

При извлечении знаний аналитику, интерпретирующему текст, приходится решать задачу декомпозиции этого текста на перечисленные выше компоненты для выделения истинно значимых для реализации базы знаний фрагментов. Сложность интерпретации научных и специальных текстов заключается еще и в том, что любой текст приобретает смысл только в контексте, где под контекстом понимается окружение, в которое «погружен» текст.

Основными моментами понимания текста являются:

1) Выдвижение предварительной гипотезы о смысле всего текста (предугадывание).

2) Определение значений непонятных слов (то есть специальной терминологии).

3) Возникновение общей гипотезы о содержании текста (о знаниях).

4) Уточнение значения терминов и интерпретация отдельных фрагментов текста под влиянием общей гипотезы (от целого к частям).

5) Формирование некоторой смысловой структуры текста за счет установления внутренних связей между отдельными важными (ключевыми словами и фрагментами, а также за счет образования абстрактных понятий, обобщающих конкретные фрагменты знаний.

6) Корректировка общей гипотезы относительно содержащихся в тексте фрагментов знаний (от частей к целому).

7) Принятие основной гипотезы, то есть формирование М₂.

На процесс понимания (или интерпретации) I и модель М₂ влияют следующие компоненты (рис. 18):

· экстракт компонентов (α, β, γ, Ѳ)’, почерпнутый из текста Т;

· предварительные знания аналитика о предметной области ω;

· общенаучная эрудиция аналитика ε;

· его личный опыт ϕ.

М₂ = [(α, β, γ, Ѳ)’, ω, ε, ϕ].

Предложим одну из возможных практических методику анализа текстов с целью извлечения и структурирования знаний.