Метод представления знаний в диалоговых системах с естественным языком тема автореферата и диссертации по математике, 01.01.10 ВАК РФ

ВВЕДЕНИЕ. ПОСТАНОВКА ЗАДАЧИ.

Глава I. ОБЩЕЕ СОСТОЯНИЕ ПРОБЛЕМЫ.

1.1. Системы с естественным языком.

1.1.1. Теоретико-лингвистическое направление.

1.1.2. Вопросно-ответные системы.

1.2. Системы, и средства представления проблемного знания.

1.3. Смежные области и сравнительный анализ

• подходов к представлению знаний.

1.4. Выводы.

Глава 2. СИСТЕМА ПРЕДСТАВЛЕНИЯ ЗНАНИЙ НА ОСНОВЕ

ФРЕЙМОВЫХ СТРУКТУР.

2.1. Технология описания проблемного знания.

2.2. Графы. Бинарные отношения.

2.3. Семантические сети.

2.3.1. Концептуальная семантическая сеть.

2.3.2. Иерархия понятий. Наследование свойств.

2.3.3. Терминальная семантическая сеть.

2.3.4. Управляющие фильтры. Закономерности.

2.4. Взаимодействие.

2.4.1. Организация диалоговой системы.

2.4.2. Смысловое представление запросов.

2.5. Примеры.

2.6. Выводы.

Глава 3. Ф-ЯЗЫК.

3.1. Ф-объекты.

3.1.1. Фреймы.

3.1.2. Экземпляры фреймов.

3.1.3. Закономерности.

3.2. Дескрипторы свойств фреймов.

3.2.1. Спецификатор.

3.2.2. Системные свойства в дескрипторах.

3.3. Ф-выражения.

3.3.1. Общая структура Ф-выражений.

3.3.2. Дополнительные возможности.

3.3.3. Специальные свойства в

- Ф-выражениях.

3.4. Интерпретация Ф-выражений.

3.4.1. Функция Дв^ВвТ

3.4.2. Функция СНЕСК

3.4.3. Функция 2>£ЬЕТ£ .Ю

3.5. Ф'-язык и смежные области.

3.6. Выводы.

ЗАКЛЮЧЕНИЙ.

Место и значимость направления исследований, к которому принадлежит данная работа, легче представить на фоне общей роли ЭВМ и программирования в процессе движения информации в обществе.

Вопрос о сущности информации выходит за рамки частных наук, его решают представители различных философских школ и направлений [48] • Три наиболее распространенных толкования термина "информация" таковы:

- обыденное - информация определяется как синоним интуитивно понимаемых слов "сведения", "описание фактов", "отображение", "знание";

- связанное с понятием структуры, используемое при изучении природы и качественных сторон отражения;

- основанное на понятиях разнообразия и сложности, используемое при изучении количественного аспекта информации.

Здесь будут использоваться первые два определения термина "информация" с соответствующими синонимами. Мозг человека можно рассматривать как систему, хранящую знания, возникшие как закрепление результатов отражения человеком действительности. Знание материализуется (в языковой форме) и делается продуктом для передачи и усвоения другими людьми. Ныне любой активно действующий человек оказывается в ситуации, получившей название информационного кризиса. Этот кризис в той или иной степени характерен для всех сфер деятельности человека, связанных с восприятием, хранением, передачей, переработкой многообразных информационных потоков. Прежде движение информации осуществлялось самими людьми, а значит, ограничивалось их возможностями. В современных условиях происходит "информационный сдвиг" от человека к различным техническим устройствам, в частности, информационным системам на базе ЭВМ, позволяющим хранить, воспринимать, передавать, перерабатывать производственно-экономическую, административную,техническую и другие виды социальной информации,

В этом процессе ЭВМ играет такую же роль, какую в свое время играла книга: она становится хранилищем информационного богатства человечества, информационной модели усложняющейся картины мира [23] . С другой стороны, поскольку это хранилище не пассивное, а способное к переработке информации, вычислительная машина превращается в проводника воздействия человека на другие машины, в интеллектуальную начинку промышленных изделий, в особое орудие человека, умножающее его мыслительные возможности наряду с физическими.

Но общение с ЭВМ вносит свои проблемы* Чтобы введенная в ЭВМ информация была "понята" и переработана, она должна иметь форму программы. Иначе говоря, вычислительная машина понимает лишь одну специальную форму знания - алгоритмическую.

Одна из насущных потребностей и постоянно решаемых задач в программировании - облегчить взаимодействие с ЭВМ, сделать его более естественным для человека. На путях ее решения можно выделить два основных направления, оба г замыкающихся на проблеме представления знаний (ПЗ).

I. Автоматизация программирования в широком смысле

Исходный язык для ЭВМ - двоичный код - быстро привел к появлению сложных и запутанных программ, крайне неудобных для восприятия человеком и сменился алгоритмическими языками, упростившими алгоритмы и решившими многие прежние проблемы. Однако с проблемой сложности приходится бороться постоянно: усложняются задачи, решаемые с помощью ЭВМ, на них перекладываются все новые виды интеллектуальной деятельности человека. Это уже не только вычислительные задачи, а в большей мере задачи обработки нечисловых, символьных данных: управление, планирование, проектирование, распознавание и пр.

Одной из первичных задач программирования на этом уровне сложности (для создания, например, таких систем, как АСУ [ЗЗ] ) становится разработка описаний, адекватных предметной области, с которой мы имеем дело. Они образуют те "знания", которые нужно передать машине, чтобы наделить её определенными "мыслительными способностями". Это связано с созданием программистского инструментария такого уровня абстракции, который позволяет достаточно наглядно и естественно выражать "знания о мире". Такая информация может быть воспринята от человека и объяснена ему в его, человеческих терминах.

2. Создание программ, "понимающих" естественный язык

Естественный язык, который служит для общения между людьми, неудобен для непосредственной передачи информации в ЭВМ: он для этого недостаточно "алгоритмичен". Разумеется информацию на естественном языке можно ввести в ЭВМ, но проинтерпретировать её так, как это делает человек, машина не способна. Цепочки символов естественных языков, в отличие от языков формальных, интерпретируются в контексте реального мира. "Понимать" естественный язык - значит "знать" о мире не меньше, чем знает человек, а это означает для машины, в конечном счете, "жить" и отражать действительность подобно человеку. Ни одной машины или программы, хотя бы отдаленно обладающей такой способностью, в настоящее время не существует. Понимание машиной естественного языка, таким образом, серьезная проблема, решение которой в полном объеме, вероятно, недостижимо в принципе. Эти философские, в сущности, положения отчетливо проявились в развитии данного направления науки.

Идея общения с ЭВМ на естественном языке (ЕЯ) сначала приняла формы чисто лингвистические. Это стимулировало формализацию знаний о языке, сформировалась отрасль "вычислительной лингвистики11. Но для создания процессоров естественного языка традиционные лингвистические рамки, ограниченные морфологией и синтаксисом, оказались тесны. Вычислительная лингвистика развивалась в сторону изучения семантики, смысловых представлений и в значительной степени сомкнулась с областью ПЗ.

В настоящей работе описывается подход к представлению знаний в связи с проблемой понимания машиной естественного языка. Выше мы упомянули о важных взаимодействиях этих двух областей. Ниже мы расширим и уточним постановку задачи.

Уточним, прежде всего, смысл термина "представление знаний", которому, мы будем следовать в данной работе. "Представление" будем понимать как моделирование, т.е. отображение, или соответствие, предполагающее моделируемую (А) и моделирующую (В) системы [17] .

Система А. В качестве системы А рассматриваются мыслительные структуры и процессы, характерные для "эксперта", отражающего некоторый фрагмент действительности. Они носят объективный характер, так как являются общими для всех специалистов в данной проблемной (предметной) области (ПО). Иными словами, система А -это проблемное знание, материализованное в некоторой форме, главным образом, в естественном языке.

Обычная форма представления технического (мы ограничиваемся техническими, т.е. "бедными" и достаточно формализуемыми областями) проблемного знания - это терминология, введенная на основе исходных понятий плюс различные качественные и количественные характеристики, которые могут также выражаться на специализированных языках отдельных наук (математики, физики, химии и др.).

Говоря о "мыслительных процессах", подчеркнем, что система А включает в себя проблемно-ориентированное речевое поведение. Это способы реагирования на высказывания в данной ПО, т.е. решение задач" в широком смысле: анализ фактов, усвоение нового знания, умозаключения, формирование целей и т.п.

Рассматривая знание проблемного специалиста, мы выделяем в нем лишь то, что можно назвать "подсистемой обработки информации". Именно эта потенциально алгоритмизуемая часть подлежит моделированию. Речь, таким образом, не вдет о "замене" человеческого мышления программой. Лишь рутинное отдается машине, творческая же сторона мышления, как всегда, остается за человеком.

Поскольку проблемное знание, как мы отметили, отражает структуры мышления,уместно привести некоторые данные психологии о структуре и функциях человеческого мозга (см., напр., [25] ). Согласно этим данным, правое полушарие мозга ведает чувственным восприятием человеком окружающего мира: это пространственная ориентация, узнавание лиц и предметов, восприятие неречевых звуков и т.д. В функции левого полушария входит знаковое отражение: ана-, лиз и синтез речи, формирование абстрактных понятий, логическое мышление, планирование поведения.

С этой точки зрения система А отражает преимущественно ле-вополушарные структуры мозга. Это объясняется, прежде всего, самим характером естественно-научного и технического знания, основанного на абстрактных понятиях и логических взаимосвязях (понятийное отражение); кроме того, система А ориентируется на текстовое, т.е. знаковое.взаимодействие. (Вместе с тем полное отграничение абстрактного и чувственного невозможно; в естественном языке неизбежно проявляется и то, и другое. Ниже будет видно, что в модели В отводится место и для структур правого полушария: это аналоги реальных объектов действительности, называемые "экземплярами").

Система В. Несмотря на "технический" характер знания, лишь отдельные компоненты системы А обладают общепринятой и достаточной формализацией. Именно поэтов стоит задача ее дальнейшей формализации (в виде системы В). Мы принимаем простые психологические гипотезы, связанные с представлением знаний и объясняющие структуру системы В.

Мы предполагаем, что имеется биологическая "аппаратура" в мозгу, опирающаяся на внутренние.структуры (знания) и обрабатывающая входную информацию. (Для определенности можно считать, что входная информация имеет форму ЕЯ-текста, хотя в принципе, видимо, ее исходная форма безразлична для процессов мышления). Как знание, так и входная информация имеют некоторое "базовое" представление, не связанное ни с каким конкретным ЕЯ и выраженное на языке мысли".

Более точно: говоря о системе В, мы выделяем:

- язык представления Ш и его интерпретатор (программу) Р, вместе образующие аналог вычислительной аппаратуры мозга;

- "знания" Ъ в виде символьных структур на языке %("программа" на языке Ы* );

- входную информацию I для системы В.

Описание некоторого языка /9Л и соответствующего интерпретатора Р является основным предметом данной работы ("система представления1!).

Результат интерпретации множества символьных структур на входной информации I есть некоторый вычислительный процесс, который и является "представлением" мыслительных процессов человека. конкретная потребность (задача) заказчик Г в

ПО-язык И пользователь =представ-ление ПО (программа на /^2* ) I системный ¿налитик - разработчик модели ПО I

Р= -интерпретатор (программа на Л/£Р'е ) 1

ЗР системный программист - разработчик СПЗ уровень реализации транслятор с языка реализации интерпретатор) системный программист - разрабо1 чик транслятора 0

Рис. 0.1.

Рамки системы В и рамки работы схематично отображены на рис.0.I, откуда следует, что система представления знаний (СПЗ) связана с разработкой не собственно модели ПО, а лишь определенного инструментального уровня для нее (см.ниже критерий 2).

Критерии.

Тот или иной разрабатывается в свете определенных целей и подвержен критике, если этот язык представления пытаются рассматривать или использовать с точки зрения других критериев. Поэтому необходимо явным образом выделить набор критериев для оценки степени соответствия между А и В*

I. (естественно-языковый контекст)

Этот критерий обосновывается указанной выше тесной взаимосвязью проблематики ПЗ и понимания ЕЯ. Именно во владении языком проявляется, главным образом, мыслительная деятельность человека. Естественный язык, следовательно, является хорошим эмпирическим материалом с точки зрения "представления знаний": факты языка лучше поддаются наблюдению и изучению, чем факты мышления. Как показывает опыт, "обслуживание" этой проблемы является пробным камнем всякой системы представления знаний, проверки ее корректности и работоспособности, ее объяснительной силы для лингвистических явлений.

Мы предполагаем, что СПЗ поддерживает один из этапов анализа ЕЯ (нелингвистический) в предположении его непосредственной взаимосвязи с лингвистическим этапом анализа, который обеспечивается некоторым ЕЯ-процессором. Предполагается сопряжение обоих этапов через смысловое представление. Средства, вводимые в СПЗ, должны, в частности, поддерживать смысловое представление.

Подчеркнем другую сторону этого критерия "учета взаимодействия", как мы его будем еще называть. В системе, ориентированной на роль исполнительного подручного, он оставляет место для Ьопю варнепъ , проводя канал между сферой человеческого и сферой машинного.

2. (предметная независимость и единообразие) Нас интересует целый класс возможных приложений и решаемых в их рамках задач, т.е. независимость СПЗ от проблемной области (рис.0.2). Именно поэтому мы говорим выше о проблемном знании вообще, безотносительно к его содержанию.

Машинные языки, ассемблеры,

ТО"

Рис. 0.2

Такой подход основывается на предположении о примерно одинаковом устройстве знания и в особенности процессов взаимодействия в различных ПО (критерий I), т.е. общности процессов отражения и создаваемых при этом (алгоритмических) структур мышления.

Предметная независимость должна обеспечиваться универсальностью языка , единообразно обслуживающим различные приложения.

3. (Уровень языка представления)

Критерию 2 вполне отвечают традиционные языки программирования (такие как ЛИСП). Однако ввиду сложности системы А (это косвенно отражается и в критерии I) эти языки будут неадекватны в качестве примерно также, как двоичная арифметика неподходяща для бухгалтерских расчетов. Язык должен в готовом виде предоставить более мощные описательные средства, необходимые для формирования структур Т> (рис.0.1).

Транс- ы

ЛИСП^

Интеллектуальные мы про-г*ра&

Проблемно-ориен-тированный язык

С характером языка связан выбранный способ его реализации. Проблема "представления знаний" имеет два аспекта:

- исследовательский: осознать природу мыслительных процессов человека, лежащих в основе его способа "узнавать", "понимать" и "решать";

- инженерный: создавать машинные программы, обладающие в той или иной степени этими человеческими способностями.

Сложность изучаемого объекта (система А), отсутствие прямых данных не позволяют решать эти задачи изолированно. Поскольку наши представления о мыслительных процессах человека довольно туманны и неточны, вся проблема приобретает экспериментальный характер.

В нашем случае эксперимент состоит в том, чтобы снабдить интерпретатор Р данными 2) из некоторой предметной области. Поведение 8 - Р(Е>) оценивается по выбранным критериям, что может привести к:

- модификации -2) при неизменном Р (и. ), т.е. более точноцу описанию ПО системным аналитиком;

- корректировке языка (и соответственно Р) разработчиком: устранение противоречий, повышение выразительности и т.д.

Тем самым программный эксперимент обеспечивает обратную связь для разработки СПЗ и оценки ее адекватности. Отсюда вытекает вывод о характере реализации СПЗ. Реализация всегда отражает нижний уровень задачи»между тем, как в нашем случае далеко не ясны еще многие концептуальные решения на более высоких уровнях. Таким образом, меньшее значение следует придавать эффективности реализации и большее - обеспечению программного эксперимента. Именно поэтому реализация систем ПЗ, как правило, базируется на ЛИСПе - языке высокого уровня, ориентированном на обработку символьных структур. ЛИСП выбран языком реализации и в данной работе.

Поставленные цели работы указывают "измерения", относительно которых в дальнейшем будет уместно обсуждать выбор системы представления ( + Р ):

1) описание проблемного знания,

2) отражение коммуникативных аспектов (процессов взаимодействия) ,

3) средства реализации программы-интерпретатора.

Этих измерений мы будем придерживаться для изложения в последующих главах, не стремясь, впрочем, к насильственному разделению этих аспектов там, где почему-либо удобно рассматривать их совокупно [82] ♦

Основные результаты докладывались:

- на Всесоюзном совещании "Диалоговые вычислительные комплексы -деЦЮГ-79" (Протвино, 1979);

- на советско-финском симпозиуме "Интерактивные системы" (Тбилиси, 1979);

- на Второй школе-семинаре "Диалоговые системы" (Боржоми, 1980);

- на Второй школе-семинаре "Диалоговые средства взаимодействия в системе "ЧЕЛОВЕК-ЭВМ" (Кишинев, 1980);

- на Всесоюзной конференции "Методы математической логики в проблемах искусственного интеллекта и систематическое программирование" (Паланга, 1980);

- на научном семинаре Главсистем в НПО "АСУ-Москва" (Москва,1983);

- на общемосковском семинаре по автоматизации программирования (Москва, 1983);

- на семинаре по теоретическому программированию ВЦ ЛГУ им.й.Стуч-ки (Рига, 1983).

Различные аспекты работы обсуждались на семинарах в МГУ и в ВЦ АН СССР.

Результаты опубликованы в семи печатных работах.

ЗАКЛЮЧЕНИЕ

Настоящая работа является опытом создания внутреннего языка представления знаний интеллектуальной диалоговой системы.

В работе проведен анализ различных подходов к представлению проблемно-ориентированных знаний, в том числе связанных с обработкой естественного языка (ЕЯ), а также рассмотрены некоторые конкретные системы представления знаний, на основе чего сделаны следующие основные выводы:

- наиболее мощным аппаратом представления проблемных знаний являются семантические сети и развивающие их фреймовые системы;

- в системах, ориентированных на ЕЯ-взаимодействие, необходимым компонентом является смысловое (семантическое) представление входного текста.

1. Абрамов В.Г., Брябрин В.М., Пховелишвили М.Г., Элигулашви-ли A.A. ДО10С - диалоговая система для взаимодействия с ЭВМ на естественном языке. - М.: ВЦ АН СССР, 1979. - 80 с.

2. Апресян Ю.Д. Лингвистические проблемы семантического анализа предложений естественного языка. В кн.: Тезисы докладов. Семинар проекта ДОЛОГ. Тарту: ТГУ, 1982, с.3-6.

3. Асафьева Н.Ю., Борковский А.Б., Брябрин В.М., Пономарев В.В., Сенин Г.В. Представление знаний и обработка естественного языка в системе ДО10С. В кн.: Вопросы разработки прикладных систем, Новосибирск: ВЦ СО АН СССР, 1979, с.25-50.

4. Асафьева Н.Ю., Пономарев В.В. Метод семантической интерпретации естественно-языковых запросов. В кн.: Интерактивные системы. Советско-финский симпозиум. М.: ВЦ АН СССР, 1979, с.16-23.

5. Асафьева Н.Ю., Пономарев В.В. Модельная база данных в диалоговой системе ДОЮС. В кн.: Диалоговые вычислительные комплексы - ДОЛОГ-79. Материалы всесоюзного совещания. Серпухов: препринт ИФВЭ, 1980, с.216-221.

6. Асафьева Н.Ю. Формальный язык для представления смысла входных запросов в диалоговой системе с входным естественным языком. В кн.: Интерактивные системы. Тбилиси: Мецниереба,1980, с.42-45.

7. Асафьева Н.Ю. База знаний диалоговой системы. В кн.: Вопросы теоретического и прикладного программирования. М.: МГУ, 1980, с.48-53.

8. Асафьева Н.Ю. Организация работы с модельной базой данных на основе фреймовых структур для систем УВД. В кн.: Управление воздушным движением. М.: Воздушный транспорт, 1983, вып.2,

9. Бакланов В.М., Попов Э.В. "Понимание" фраз ограниченного русского языка. Изв. АН СССР. Техническая кибернетика, 1978, № 4, с.66-73.

10. Борковский А.Б., Сенин Г.В. Лингвистический этап анализа естественно-языковых запросов в диалоговой системе. В кн.: Интерактивные системы. Советско-финский симпозиум. М.: ВЦ АН СССР, 1979, с.24-37.

11. Богуславский И.М., Иомдин Л.Л., Цинман Л.Л. Опыт экспериментальной эксплуатации системы автоматического перевода ЭТАП-1 и разработка системы ЭТАП-2. В кн.: Тезисы докладов. Семинар проекта ДИАЛОГ. Тарту: ТГУ, 1982, с.13-15.

12. Брябрин В.М. Диалоговая информационно-логическая система. -М.: НС по проблеме "Кибернетика" АН СССР, 1977. 24 с.

13. Брябрин В.М. Структурные описания как основа семантической интерпретации естественно-языковых текстов. В кн.: Взаимодействие с ЭВМ на естественном языке. Новосибирск: ВЦ СО1. АН СССР, 1978, с.166-181.

14. Величко И.В. Система управления базами данных АЛЬМА .-М.: ВЦ . АН СССР, 1978. 38 с.

15. Виноград Т. Программа, понимающая естественный язык.-М.: Мир, 1976. 294 с.

16. Виноград Т. Об одном подходе к изучению дискурса. В кн.:

17. Взаимодействие с ЭШ на естественном языке. Новосибирск;: ВЦ СО АН СССР, 1978, с.11-47.

18. Вольфенгаген В.Э., Воскресенская О.В., Горбанев Ю.Г. Система представления знаний с использованием семантических сетей. -В кн.: Вопросы кибернетики. М.: НС по проблеме "Кибернетика" АН СССР, 1979, вып.55, с.49-69.

19. Грис Д. Конструирование компилятора для цифровых вычислительных машин: Пер. с англ./Под ред. Ю.М.Банковского, Вс.С.Штарк-мана. М.: Мир, 1975. - 544 с.

20. Грисуолд Р., Поудж Дж., Полонски И. Язык программирования СНОБОЛ-4: Пер. с англ./Под ред. Ю.М.Банковского. М.: Мир, 1980. - 268 с.

21. Дейт К. Введение в системы баз данных: Пер. с англ. М.: Мир, 1980. - 463 с.

22. Джонсон К. Ада последний и окончательный язык? - Электроника. М.: Мир, 1981, т.54, № 3 (609), с.3-15.

23. Ершов А.П. О сущности трансляции. Программирование, 1977, № 5, с.21-39.

24. Ершов А.П. Программирование вторая грамотность. - ЭКО, Новосибирск, 1982, № 2, с.145-156.

25. Иванов В.С. Чет и нечет: асимметрия мозга и знаковых систем. -М.: Советское радио, 1978. 184 с.

26. Йенсен К., Вирт Н. Паскаль: Пер. с англ. М.: Финансы и статистика, 1982. - 151 с.

27. Клещев А.С. Представление знаний. Методология и формализмы. -Владивосток: ИАПУ с ВЦ ДВНЦ АН СССР, препринт № 21 (51), 1981. 41 с.

28. Коддингтон Л. Ускоренный курс КОБОЛа: Пер. с англ./Под ред. В.В.Мартынюка. М.: Мир, 1974. - 270 с.

29. Кристофидес H. Теория графов. Алгоритмический подход: Пер. с англ/Под ред. Г.П.Гаврилова. М.: Мир, 1978. - 432 с.

30. Кузин Л.Т. Интеллектуальные банки данных (ИБД). В кн.: Вопросы кибернетики. - М.: НС по проблеме "Кибернетика" АН СССР, 1979, вып.55, с.5-16.

31. Кулагина О.С. Исследования по машинному переводу. М.: Наука, 1979. - 320 с.

32. Лавров С.С., Силагадзе Г.С. Автоматическая обработка данных. Язык ЛИСП и его реализация. М.: Наука, 1978. - 176 с.

33. Липаев В.В. Проектирование математического обеспечения АСУ.- М.: Советское радио, 1977. 400 с.

34. Мартин Дж. Организация баз данных в вычислительных системах: Пер. с англ./Под ред. А.А.Стогния, А.Л.Щёрса. М.: Мир, 1980.- 662 с.

35. Микулич Л.И., Червоненкис А.Я. Лингвистический процессор системы "ДИСПУТ". В кн.: Информационно-программное обеспечение систем искусственного интеллекта. М.: МДНТП, 1978, с.51-55.

36. Минский М. Фреймы для представления знаний. М.: Энергия, 1979. - 151 с.

37. Нариньяни A.C. Формальная модель: общая схема и выбор адекватных средств. Новосибирск: ВЦ СО АН СССР, препринт № 107,1978. 29 с.

38. Нумеров B.C. О расширении языка СЕТЛ программно-определяемыми типами данных. Новосибирск: ВЦ СО АН СССР, препринт № 207,1979. 23 с.

39. Ope 0. Теория графов. М.: Наука, 1978. - 352 с.

40. Перцова H.H. Автоматические системы типа "вопрос-ответ", работающие с ЕЯ: история, современное состояние, перспективы.- В кн.: Прикладная лингвистика. 1976, вып.18, с.135-16I.

41. Пильщиков В.Н. Язык программирования Ш1ЭНЕР-БЭСМ. М.: МГУ,1978. 108 с.

42. Попов Э.В. Общение с ЭВМ на естественном языке. М.: Наука, 1982. - 360 с.

43. Поспелов Г.С., Поспелов Д.А. Проблемы диалога в человеко-машинных системах. В кн.: Вопросы кибернетика. М.: Советское радио, 1977, вып.18, с.5-12.

44. Сенин Г.В. Анализ естественного языка под управлением семантической сети. М.: НС по проблеме "Кибернетика" АН СССР, 1980. - 10 с.

45. Слейгл Дж. Искусственный интеллект. М.: Мир, 1973. - 320 с.

46. Степанов A.M. Экспериментальная база данных с запросом на естественном языке. В кн.: Взаимодействие с ЭВМ на естественном языке. - Новосибирск: ВЦ СО АН СССР, 1978, с.96-120.

47. Тцугу Э.Х., Кахро М.Н., Мяннисаля М.А., Саан Ю.П. Система программирования ПРИЗ. Программирование, 1976, № I,с.38-46.

48. Урсул А.Д. Проблема информации в современной науке. М.: Наука, 1975. 287 с.

49. Брябрин В.М. Ф-язык формализм для представления знаний в интеллектуальной диалоговой системе. - В кн.: Прикладная информатика. - М.: Финансы и статистика, 1981, с.73-103.

50. Хант Э. Искусственный интеллект. М.: Мир, 1978. - 558 с.

51. Хоор К. 0 структурной организации данных. В кн.: Структурное программирование. М.: Мир, 1975, с.98-197.

52. Хорошевский В.Ф. ATNL язык представления лингвистических знаний в естественно-языковых системах. - В кн.: Вопросы кибернетики. М.: НС по проблеме "Кибернетика" АН СССР,1979, вып.55, с.158-167.

53. Хорошевский В.Ф. Реализация Jl-процессоров в комплексе ПОСОХметодом конвертирования на входные языки СУБД. В кн.: Тезисы докладов. Семинар проекта ДИАЛОГ. - Тарту: ТГУ, 1982, с.87-89.

54. Цейтлин Г.С. Система обработки текста с процедурным представлением словарной информации. В кн.: Вопросы разработки прикладных систем. Новосибирск: ВЦ СО АН СССР, 1979, с.147-152.

55. Чеблаков Б.Г. Принцип расширяемости систем программирования как метод повышения эффективности. Новосибирск: ВЦ СО АН СССР, препринт № 180, 1979. - 15 с.

56. Шенк Р. Обработка концептуальной информации: Пер. с англ./Под ред. В.М.Брябрина. М.: Энергия, 1980. - 361 с.

57. Bobrow D.G., Winograd Т. An overview of KRL, a Knowledge Reprezentation Language.- Congnitive Science, 1977» v,1, Ш 1, p.3-46.

58. Bobrow D.G., Kaplan R.M., Kay M., Norman D.A., Thompson H., Winograd T. GUS, a frame driven dialog system. - Artificial Intelligence, 1977, v.8, N2 2, p.155-173.

59. Godd E.F. Seven steps to rendezvous with, the casual user. In: Data Base management/Eds. I.W.Klimbie, K.L.Koffeman.-Amsterdam: North Holland Publishing Company, 1974, p.179-200.

60. Davis R., King J. An overview of production systems.- New York: Wiley, Machine Intelligence 8, 1976, p.300-332.

61. Duda R.O., Gashing J.G., Hart P.E. Model design in the prospector consultant system for mineral exploration.- In: Expert system in the microelectronic age/Ed.Michie D.- Edinburgh University Press, p.153-367.

62. Duda R.O., John G.G. Knowedge-based expert systems come of age. Byte, 1981, v.6, N2 9, p.238-281.63« Goldstein I.P., Papert S. Artificial intelligence language and study of knowledge.- MIT,AI Lab., 1976, Memo 337, 79 p.

63. Goldstein I.P., Eoberts R.B. The frame representation language.- MIT, AI Lab., 1977, Memo 409, 27 p.

64. Guttag J., Abstract data types and the development of data structures. CAOM, 1977, N8 6, v.20, p.396-404.

65. Helbid H., A new method for deductive ansver finding in a question-answering systems.- Inform.Process.77*Proc.IFIP Oongr., Toronto, 1977, Amsterdam e.a., 1977, p-389-393*

66. Joint Conference on AI, Bedford, Massachusets, 1969, p.295--301.

67. Kirby J., Kashyap R.L. An approach for communicating with data bases using engliah queries.- COMPSAC 77« Proc. IEEE Comput. Soc. 1st Intern. Comput. Software and Appl. Conf., Chicago, 1977, N.Y., 1977, p. 650-656.

68. Lehman H. The USL Sysrem for data analysis. Intern. ¥/orks-hop on Natural Language for Interaction with Data Base,1.ASA, Austria, 1977, 24 p.

69. Lehnert W., Wilks Y. A critical perspective on KRL. Cognitive Science, 1979, v.3, № 1, p.1-28.

70. Liskov B,, Snyder A., Atkinson R., Schaffer C. Abstraction mechanism in CHJ. CACM, 1977, v.20, № 8, p. -564-576.

71. McDermott J. R1: An expert in the computer systems domain.

72. Proc. of the First National Conference on AI, 1980, p.269- 271.

73. Roberts B.R., Goldstein I. NUDGE a knowledge based scheduling program. -Proc. 5th Intern. Joint Conf. on AI, Cambridge, Massachusets, 1977, p.257-263.

74. Schubert L.K. Extending the expessive power of semantic networks. Artificial Intelligence, 1976, v.7, HI 2, p. 163-198.

75. Shaw M., Wulf W.A., London R.L. Abstraction and verification in Alphard: defining and specifying iteration and generators.- CACM, 1977, v.20, N1 8, p.553-564.

76. Simmons R.F. Semantic networks: their computation and use for understanding English sentences. In: Computer models of thought and language/Eds. R.C. Schank, K.M.Colby. -San Francisco, 1973.

77. Shortliffe E.H. Computer based medical consultation: MYCIN.-New York: Elsevier, 1976.

78. Stonebraker M. Getting Started in INGRES a tutorial. -Berkley: University of California, Memo ERL-N518, April 1975, 30 p.

79. Weisenbaum J. ELIZA a computer program for the study of natural language communication between man and machine. -CACM, 1966, v.9, NS 1, p.36-45.

80. Winograd T. Beyond Programming Languages.- CACM, 1979, v.22, № 8, p.391-407.

81. Winston P.H. Artificial Intelligence. Addison-Wesley Publ. Co., 1977. 462 p.

82. Woods W., Kaplan R. The lunar sciences natural language information system. BBN report N 2265, 1971.