Разметка документов по семантическим ролям

Аннотация

Рассматривается разметка документов с учётом семантических ролей. Данные для тематических моделей формируются на основе стандартной гипотезы мешок слов. Вопрос о количестве и уникальности тем при моделировании не является решённым. В качествe причин называется отсутствие единых критериев для оценки качества кластеризации. Были попытки доказательства в форме эксперимента уникальности тем через использование набора критериев-регуляризаторов по результатам группировки документов. Отсутствие такого доказательства объясняется тем, что число групп изначально задается как свободный параметр. Для унификации документов в настоящее время применяются пять типов разметки: метатекстовая, морфологическая, синтаксическая, акцентная и семантическая. В работе используется семантическая разметка через выделение в предложении актантов – именных групп, обозначающих участников ситуации и их семантические роли. Предлагается при определении семантических ролей на узбекском языке проводить унификацию терминов применительно к конкретным предметным областям. Приведён пример разметки документов с использованием семантических ролей и определение их сходства по косинусной метрике.