Труды КНЦ вып. 11 (ИНФОРМАЦИОННЫЕ ТЕХНОЛОГИИ) вып. 8/2020 (11)

Синтактико-морфологический анализ осуществляется на основе использования парсинга текста и проводится совместно с семантическим анализом. Результатом синтактико-морфологического анализа является список топонимов и других геообъектов, выявленных в процессе парсинга. Семантический анализ является многоуровневым и состоит в сочетании статистического и лингвистического подходов с целью взаимного уточнения результатов анализа каждого этапа. Для апробации информационной технологии, оценки ее достоверности и полноты полученных результатов, были проанализированы тексты описаний проектов развития транспортной логистики в АЗРФ. Для корпуса размером в 24322 слова был построен мультиграф из 15345 концептов и 32424 отношений. Среди полученных концептов число обстоятельств места составило 73%, топонимов из них - 61%. В результате применения фильтра было выделено 35 концептов, из которых 23 оказались топонимами. Средняя точность автоматического анализа составила 66%. Одним из перспективных способов увеличения точности является уточнение характеристик концептов и отношений при фильтрации взвешенного мультиграфа, что является одним из направлений дальнейшей работы и требует проведения дополнительных исследований. С точки зрения практического применения технология полезна для визуального представления данных, извлеченных при интеллектуальном анализе проблемно-ориентированных текстов, пользователям, которые не в полной мере представляют себе пространственное соотношение различных географических объектов в силу сложности, протяженности и большого количества элементов рассматриваемых природно-технических систем, например, транспортно­ логистической системы региона. Частным случаем практического использования технологии может быть ее применение в системах информационной поддержки принятия решений. В этом случае визуальное представление гео- ассоциированных семантических компонентов текста будет полезно лицу, принимающему решения для быстрого понимания «географического смысла» взаимного расположения гео-объектов. Литература 1. Vicentiy A.V., Dikovitsky V.V., Shishaev M.G. Automated Extraction and Visualization of Spatial Data Obtained by Analyzing Texts About Projects of Arctic Transport // Advances in Intelligent Systems and Computing. - 2019. pp. 419-433 2. Vicentiy A.V., Dikovitsky V.V., Shishaev M.G. The Semantic Models of Arctic Zone Legal Acts Visualization for Express Content Analysis // Advances in Intelligent Systems and Computing. — 2019. - vol. 763. - pp. 216-228 3. Vicentiy A.V., Shishaev M.G., Oleynik A.G. Dynamic Cognitive Geovisualization for Information Support of Decision-Making in the Regional System of Radiological Monitoring, Control and Forecasting // Advances in Intelligent Systems and Computing. - 2016. - vol. 466. - pp. 483-495 4. Hahmann, S., Burghardt, D.: How much information is geospatially referenced? Networks and cognition. International Journal of Geographical Information Science. - 2013. - vol. 27. - pp. 1171-1189 5. Khurana D et al Natural Language Processing: State of The Art, Current Trends and Challenges. - 2017. - pp. 1-12 118