Анализ публикаций по обработке естественного языка, индексированных в РИНЦ
https://doi.org/10.20913/2618-7575-2021-4-81-92
Аннотация
Обработка естественного языка (ОЕЯ), определяемая как общее направление искусственного интеллекта и математической лингвистики, является важным инструментом для понимания и обработки гигантского объема неструктурированных данных. Представляя собой теоретическую и практическую основу для решения большого количества задач, ОЕЯ активно исследуется учеными всего мира, поскольку является одной из самых популярных областей науки о данных и применяется во многих сферах деятельности человека.
Цель проведения библиометрического анализа: определить основные научные центры, тенденции исследований, рейтинг ведущих российских ученых в области ОЕЯ, а также показать картину распределения публикаций по тематическим полям. Результаты анализа позволят определить динамику развития области ОЕЯ в отечественной науке и предоставят ученым и специалистам, работающим в обозначенной научной области, актуальную информацию о различных аспектах рассматриваемого направления исследований.
В качестве источника данных для поиска научных публикаций в области ОЕЯ использовалась база данных (БД) «Российский индекс научного цитирования» (РИНЦ) – основная наукометрическая база в нашей стране.
Работа будет интересна исследователям в области ОЕЯ, поскольку содержит актуальные данные о динамике развития и структуре документально-информационного потока в области ОЕЯ в России, его распределения по отраслям знаний. Кроме того, проведенный библиометрический анализ документов позволяет получить информацию об авторах, наиболее продуктивно работающих в исследуемой области и их аффилиациях, а также о наиболее цитируемых статьях – это обзор 30 самых цитируемых публикаций российских ученых и топ-10 научных организаций Российской Федерации по количеству публикаций с отражением основных проблем и научных достижений в области ОЕЯ.
Об авторе
Л. Л. Садовская
Государственная публичная научно-техническая библиотека Сибирского отделения Российской академии наук (ГПНТБ СО РАН)
Россия
Россия
Садовская Лариса Леонидовна, младший научный сотрудник, зав. отделом справочно-информационного обслуживания
Новосибирск
Список литературы
1. Большакова Е. И., Клышинский Э. С., Ланде Д. Э., Носков А. А., Пескова О. В., Ягунова Е. В. Автоматическая обработка текстов на естественном языке и компьютерная лингвистика. Москва : Параграф, 1990. 160 с.
2. Садовская Л. Л., Гуськов А. Е., Косяков Д. В., Мухамедиев Р. И. Обработка текстов на естественном языке: обзор публикаций // Искусственный интеллект и принятие решений. 2021. № 3. С. 66–86.
3. Писляков В. В. Основные методы оценки научного знания по показателям цитирования // Социологический журнал. 2007. № 1. С. 128–140.
4. Митренина О. В., Николаев И. С., Ландо Т. М. Прикладная и компьютерная лингвистика. Москва : URSS, 2016. 320 c.
5. Яцко В. А. Предметная область компьютерной лингвистики // Вестник Иркутского государственного лингвистического университета. 2014. № 2. С. 24–35.
6. Боровикова О. И., Загорулько Ю. А., Загорулько Г. Б. , Кононенко И. С. , Соколова Е. Г. Разработка портала знаний по компью- терной лингвистике // КИИ-2008 : Одиннадцатая Нац. конф. по искусств. интеллекту с междунар. участием. Москва, 2008. С. 380–388.
7. Нагель О. В. Корпусная лингвистика и ее использование в компьютеризированном языковом обучении // Язык и культура. 2008. № 4. С. 53–54.
8. Пруцков А. В., Розанов А. К. Методы морфологической обработки текстов // Прикаспийский журнал: управление и высокие технологии. 2014. № 3. С. 119–133.
9. Пруцков А. В. Генерация и определения форм слов естественных языков на основе их последовательных преобразований // Вестник Рязанского государственного радиотехнического университета. 2009. № 27. С. 51–58.
10. Solovyev V., Ivanov V. Knowledge-driven event extraction in Russian: corpus-based linguistic resources // Computational Intelligence and Neuroscience. 2016. Vol. 2016. Art. 4183760. DOI: 10.1155/2016/4183760.
11. Батура Т. В. Семантический анализ и способы представления смысла текста в компьютерной лингвистике // Программные продукты и системы. 2016. № 4. С. 45–57. DOI: 10.15827/0236-235X.116.045-057.
12. Шарнин М. М., Сомин Н. В., Кузнецов И. П., Морозова Ю. И., Галина И. В., Козеренко Е. Б. Статистические механизмы формирования ассоциативных портретов предметных областей на основе естественно-языковых текстов больших объемов для систем извлечения знаний // Информатика и ее применения. 2013. Т. 7, № 2. С. 92–99.
13. Золотарев О. В., Козеренко Е. Б., Шарнин М. М. Принципы построения моделей бизнес-процессов предметной области на основе обработки текстов естественного языка // Вестник Российского нового университета. Серия: Сложные системы: модели, анализ и управление. 2014. № 4. С. 82–88.
14. Кулешов С. В., Зайцева А. А., Марков В. С. Ассоциативно-онтологический подход к обработке текстов на естественном языке // Интеллектуальные технологии на транспорте. 2015. № 4. С. 40–45.
15. Власов Д. Ю., Пальчунов Д. Е., Степанов П. А. Автоматизация извлечения отношений между понятиями из текстов естественного языка // Вестник Новосибирского государственного университета. Серия: Информационные технологии. 2010. Т. 8, № 3. С. 23–33.
16. Lagutina K., Lagutina N., Boychuk E., Vorontsova I., Shlakhtina O., Balyarva O., Paramonov I., Demidov H. A survey on stylometric text features // 25th Conference of Open Innovations Association (FRUCT) (November 5-8, 2019). Helsinki, 2019. P. 184–195. DOI: 10.23919/FRUCT48121.2019.8981504.
17. Горбушин Д. А., Гринченков Д. В., Мохов В. А., Хау Н. Ф. Системный анализ подходов к решению задачи идентификации тональности текста // Известия высших учебных заведений. Северо-Кавказский регион. Технические науки. 2016. № 2. С. 36–41.
18. Сарбасова А. Н. Исследование методов сентимент-анализа русскоязычных текстов // Молодой ученый. 2015. № 8. С. 143–146.
19. Сулейманов Д. Ш., Гатиатуллин А. Р. Структурно-функциональная компьютерная модель татарских морфем. Казань : Фэн, 2003. 220 с.
20. Посевкин Р. В., Бессмертный И. А. Естественно-языковой пользовательский интерфейс диалоговой системы // Программные продукты и системы. 2016. № 3. С. 5–9.
21. Яцко В. А. Алгоритмы и программы автоматической обработки текста // Вестник Иркутского государственного лингвистического университета. 2012. № 1. С. 150–160.
22. Варламов О. О., Лазарев В. М., Чувиков Д. А., Пунам Дж. О перспективах создания автономных интеллектуальных роботов на основе миварных технологий // Радиопромышленность. 2016. № 4. С. 96–105. DOI: 10.21778/2413-9599-2016-4-96-105.
23. Varlamov O. O., Adamova L. E., Eliseev D. V., Mayboroda Yu. I., Antonov P. D., Sergushin G. S., Chibirova M. O. Mivar technologies in mathematical modeling of natural language, images and human speech understanding // International Journal of Advanced Studies. 2013. Т. 3, № 3. P. 17–23. DOI: 10.12731/2227-930X-2013-3-3.
24. Loukachevitch N. V. Lashevich G., Gerasimova A. A., Ivanov V. V., Dobrov B. V. Creating Russian WordNet by conversion // Computational linguistics and intellectual technologies : pap. of annu. conf. “Dialogue 2016” (Moscow, June 1-4, 2016). Moscow, 2016. P. 405–415.
25. Loukachevitch N. V., Dobrov B. V., Chetviorkin I. I. RuThes–Lite, a publicly available version of thesaurus of Russian language RuThes // Компьютерная лингвистика и интеллектуальные технологии : по материалам ежегод. Междунар. конф. «Диалог 2014». Москва, 2014. С. 340–350.
26. Турдаков Д., Астраханцев Н., Недумов Я., Сысоев А., Андрианов И., Майоров В., Федоренко Д., Коршунов А., Кузнецов С. Texterra: инфраструктура для анализа текстов // Труды Института системного программирования РАН. 2014. Т. 26, № 1. С. 421–438. DOI: https://doi.org/10.15514/ISPRAS-2014-26(1)-18.
27. Kuznetsov I. P., Kozerenko E. B., Charnine M. M. The System for extracting semantic information from natural language text // MLMTA’03 : proc. of Intern. conf. on machine learning, models, technologies a. applications (June 32-26, 2003). Las Vegas, 2003. P. 75–80.
28. Пруцков А. В. Морфологический анализ и синтез текстов посредством преобразований форм слов // Вестник Рязанской государственной радиотехнической академии. 2004. № 15. С. 70–75.
29. Anisimovich K. V., Druzhkin K. Ju., Minlos F. R., Petrova M. A., Selegey V. H., Zuev K. A. Syntactic and semantic parser based on ABBYY Compreno linguistic technologies // Компьютерная лингвистика и интеллектуальные технологии : по материалам ежегод. Междунар. конф. «Диалог 2012». Москва, 2012. С. 91–103.
30. Козлов П. Ю. Методы автоматизированного анализа коротких неструктурированных текстовых документов // Программные продукты и системы. 2017. № 1. С. 100–105.
31. Москвина А. Д., Орлова Д. Н., Митрофанова О. А. Разработка ядра синтаксического анализатора для русского языка на основе библиотек NLTK // Интернет и современное общество : тр. объедин. науч. конф. IMS-2016. Санкт-Петербург, 2016. С. 44–54.
32. Ермаков А. Е. Извлечение знаний из текста и их обработка: состояние и перспективы // Информационные технологии. 2009. №. 7. С. 50–55.
33. Диковицкий В. В., Шишаев М. Г. Обработка текстов естественного языка в моделях поисковых систем // Труды Кольского научного центра РАН. 2010. № 3. С. 29–34.
34. Максимов В. Ю., Клышинский Э. С., Антонов Н. В. Проблема понимания в системах искусственного интеллекта // Новые информационные технологии в автоматизированных системах. 2016. № 19. С. 43–60.
35. Liddy E. D. Natural language processing // Encyclopedia of library and information science. New York, 2003. P. 2126–2136.
36. Сулейманов Д. Ш. Системы и информационные технологии обработки естественно–языковых текстов на основе прагматически-ориентированных лингвистических моделей : автореф. дис. … д-ра техн. наук : 05.13.14. Казань, 2000. 43 с.
Рецензия
Для цитирования:
Садовская Л.Л. Анализ публикаций по обработке естественного языка, индексированных в РИНЦ. Труды ГПНТБ СО РАН. 2021;(4):81-92. https://doi.org/10.20913/2618-7575-2021-4-81-92
For citation:
Sadovskaya L.L. Analysis of publications on natural language processing indexed in RSCI. Proceedings of SPSTL SB RAS. 2021;(4):81-92. (In Russ.) https://doi.org/10.20913/2618-7575-2021-4-81-92
Просмотров:
483
Послать статью по эл. почте 