Моделирование процесса автоматического извлечения именованных сущностей из франкоязычных новостных сообщений

Abstract

В статье рассматривается структура формальной модели автоматического извлечения именованных сущностей из текстов франкоязычных СМИ. Отмечается, что в письменном тексте именованная сущность выражается именем собственным, указывающим на конкретного человека, организацию, географический объект и т.д. и относящимся к определенной категории. В процессе анализа материала исследования были выявлены именованные сущности таких категорий, как персона, организация, географический объект, геополитический объект, дата, произведение искусства, а также их всевозможные аспекты или атрибуты. Кроме того, были выделены лексические и грамматические маркеры, фразовые шаблоны, а также правила определения левой и правой границы именованных сущностей в тексте. Конкретные примеры иллюстрируют принципы организации лингвистической базы данных как первой части формальной модели. Приводится описание алгоритма автоматического выполнения указанной процедуры (второй части формальной модели). Его работа демонстрируется на примере обработки текста франкоязычного новостного сообщения компьютером.