PL EN


Preferencje help
Widoczny [Schowaj] Abstrakt
Liczba wyników
2015 | Technologie agentowe w organizacjach opartych na wiedzy | 171--190
Tytuł artykułu

Kognitywne programy agentowe w procesie streszczania dokumentów tekstowych

Warianty tytułu
Języki publikacji
PL
Abstrakty
Celem niniejszego rozdziału jest opracowanie modelu automatycznego pozyskiwania wiedzy poprzez generowanie streszczeń elektronicznych dokumentów tekstowych. W modelu wykorzystana zostanie metoda reprezentacji dokumentów tekstowych w postaci sieci semantycznej z poziomami aktywacji węzłów i powiązań. Model ten będzie implementowany w architekturze kognitywnych agentów programowych (agentów kognitywnych), co w konsekwencji pozwoli dodatkowo na podejmowanie decyzji (na podstawie wiedzy zawartej w streszczeniach) i wykonywanie działań przez te agenty. Tematyka rozpatrywana w niniejszym rozdziale skierowana jest w głównej mierze do osób zajmujących się problematyką związaną z wykorzystaniem metod i narzędzi sztucznej inteligencji (w tym technologii agentowych) we wspomaganiu procesu podejmowania decyzji. Rozdział został podzielony na trzy części. W pierwszej części scharakteryzowano problematykę generowania streszczeń. W kolejnej części rozdziału opracowano model pozyskiwania wiedzy poprzez generowanie streszczeń z wykorzystaniem agentów kognitywnych. W ostatniej części rozdziału przedstawiono przykład funkcjonowania modelu w odniesieniu do dokumentów zawierających wiedzę ekonomiczną. (fragment tekstu)
Twórcy
  • Uniwersytet Ekonomiczny we Wrocławiu
  • Uniwersytet Ekonomiczny we Wrocławiu
  • Uniwersytet Ekonomiczny we Wrocławiu
autor
  • Uniwersytet Ekonomiczny we Wrocławiu
Bibliografia
  • Abramowicz W., Bukowska E., Filipowska A.: Zapewnienie bezpieczeństwa przez semantyczne monitorowanie cyberprzestrzeni, "e-mentor", nr 3 (50), 2013.
  • A Procedure for Quantitatively Comparing the Syntactic Coverage of English Grammars, DARPA Speech and Natural Language Workshop, 1991.
  • Baldoni M., et al.: From Tags to Emotions: Ontology-Driven Sentiment Analysis in the Social Semantic Web. "Intelligenza Artificiale", 6 (1). IOS Press, 2012.
  • Barzilay R., Elhadad M.: Using Lexical Chains for Text Summarization. Intelligent Scalable Text Summarization Workshop (ISTS'97), 1997.
  • Brandow R., Mitze K., Rau L.F.: Automatic Condensation of Llectronic Publications by Sentence Selection. "Information Processing And Management", 31(5), 1995.
  • Bytniewski A., Hemes M.: Wykorzystanie agentów kognitywnych w budowie zintegrowanego systemu informatycznego zarządzania. W: Systemy Wspomagania Organizacji. Red. T. Porębska-Miąc, H. Sroka, Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach, 2013.
  • Bytniewski A., Hemes M.: Analiza opinii klientów o produkcie dokonywana w kognitywnym zintegrowanym systemie informatycznym zarządzania. W: Systemy Wspomagania Organizacji. Red. T. Porębska-Miąc, H. Sroka, Wydawnictwo Uniwersytetu Ekonomicznego w Katowicach, 2014.
  • Cognitive Computing Research Group, http://ccrg.cs.memphis.edu/ (dostęp: 29.10.2014).
  • Das D., Martins A.F.T.: A Survey on Automatic Text Summarization. Literature Survey for the Language and Statistics II course at CMU, 2007.
  • Dudczak A.: Zastosowanie wybranych metod eksploracji danych do tworzenia streszczeń tekstów prasowych dla języka polskiego. Praca magisterska. Politechnika Poznańska, Poznań 2006-2007.
  • Dudycz H.: Mapa pojęć jako wizualna reprezentacja wiedzy ekonomicznej. Wydawnictwo Uniwersytetu Ekonomicznego we Wrocławiu, 2013.
  • Franklin S., Patterson F.G.: The LIDA Architecture: Adding New Modes of Learning to an Intelligent, Autonomous, Software Agent. W: Proceedings of the International Conference on Integrated Design and Process Technology. San Diego, CA: Society for Design and Process Science, 2006.
  • Gramacki J., Gramacki A.: Automatycznie tworzenie podsumowań tekstów metodami algebraicznymi. PAK nr 07. Gliwice 2011.
  • Hensinger R., Thome M., Wright T.: Cougaar: A Scalable, Distributed Multi-Agent Architecture. IEEE International Conference on Systems. "Man and Cybernetics", Vol. 2, 2004.
  • Hernes M.: A Cognitive Integrated Management Support System for Enterprises. W: Computational Collective Intelligence Technologies and Applications. Red. D. Hwang, J. Jung, N.T. Nguyen. "Lecture Notes in Artificial Intelligence", Vol. 8733, Springer, 2014.
  • Hirshman L.: Language Understanding Evaluation: Lessons Learned from MUC and ATIS. LREC Granada, 1998.
  • Katarzyniak R.: Gruntowanie modalnego języka komunikacji w systemach agentowych. Akademicka Oficyna Wydawnicza EXIT, 2007.
  • Kupiec J., Pedersen J., Chen F.: A Trainable Document Summarizer. Proceedings of the 18th Annual International ACM SIGIR Conference on Research and Development in Information Retrieval, 1995.
  • Leskovec J., Grobelnik M., Milic-Frayling N.: Learning Sub-structures of Document Semantic Graphs for Document Summarization. W: Proceedings of the KDD 2004 Workshop on Link Analysis and Group Detection (LinkKDD), 2004.
  • Mykowiecka A.: Inżynieria lingwistyczna. Komputerowe przetwarzanie tekstów w języku naturalnym, PJWSTK, Warszawa 2007.
  • Pham L.V., Pham S.B.: Information Extraction for Vietnamese Real Estate Advertisements. Fourth International Conference on Knowledge and Systems Engineering (KSE), Danang 2012.
  • Potiopa P.: Metody i narzędzia automatycznego przetwarzania informacji tekstowej i ich wykorzystanie w procesie zarządzania wiedzą. "Automatyka" 15/2. http://journals. bg.agh.edu.pl/AUTOMATYKA/2011 -02/Auto40.pdf.
  • Radev D., et al.: Centroid-Based Summarization of Multiple Documents. "Information Processing and Management", 2004.
  • Sebastiani F.: Machine Learning in Automated Text Categorization, "ACM Computing Surveys" (CSUR), 34(1), New York 2002.
  • Sołdacki P.: Zastosowania metod płytkiej analizy tekstu do przetwarzania dokumentów w języku polskim. Praca doktorska. Politechnika Warszawska, Warszawa 2006.
  • Świetlicka J.: Metody maszynowego uczenia w automatycznym streszczeniu tekstów. Praca magisterska. Uniwersytet Warszawski, Warszawa 2010.
  • Tomassen S.L.: Semi-Automatic Generation of Ontologies for Knowledge-Intensive CBR. Norwegian University of Science and Technology, 2002.
  • Trandabăţ D.: Using Semantic Roles to Improve Summaries. W: Proceedings of the 13th European Workshop on Natural Language Generation (ENLG '11). Association for Computational Linguistics, Stroudsburg 2011.
  • Weiss D.: A Hybrid Stemmer for the Polish Language. Technical Report RA-002/05 Institute of Computing Science, Poznan University of Technology.
Typ dokumentu
Bibliografia
Identyfikatory
Identyfikator YADDA
bwmeta1.element.ekon-element-000171395215

Zgłoszenie zostało wysłane

Zgłoszenie zostało wysłane

Musisz być zalogowany aby pisać komentarze.
JavaScript jest wyłączony w Twojej przeglądarce internetowej. Włącz go, a następnie odśwież stronę, aby móc w pełni z niej korzystać.