Алгоритм пошуку шаблонів у графовому поданні текстових даних для системи побудови онтології

У статті представлено розроблення та формалізацію алгоритму пошуку шаблонів у графових представленнях текстових даних як ключового компонента синтаксико-семантичних трансформацій для побудови онтологій із текстових документів. Розглянуто проблему поєднання опрацювання природної мови та логічного формалізму шляхом запропонування універсального механізму на основі SPARQL для виконання правил трансформації на серверах графових баз даних. Підхід використовує графові бази даних для представлення синтаксичних графів та застосовує формальні методи трансформації графів, включаючи метод Double Pushout (DPO), щоб забезпечити математично обґрунтований та коректний пошук шаблонів і застосування правил.

У межах цього дослідження було розроблено та проаналізовано алгоритм для визначення гомоморфних та ізоморфних збігів підграфів шаблонів у синтаксичних графах, використовуючи представлення RDF та SPARQL-запити, доповнені алгоритмами генерації фільтрів для пошуку за формою. Показано, що складність пошуку шаблонів може бути ефективно знижена завдяки стратегіям індексації в графових базах даних, таким як SPO, POS та OSP, що зменшує експоненційну складність до поліноміальної для практичних розмірів текстових блоків. Експериментальна оцінка підтвердила масштабованість та ефективність запропонованого підходу, демонструючи суттєве скорочення часу виконання при повторних запусках завдяки кешуванню на сервері.

Робота вносить гнучкі, формалізовані та ефективні методи для автоматичного побудови онтологій з текстів природною мовою, забезпечуючи глибокий семантичний аналіз та причиннонаслідкове мислення. Підхід підтримує розширюваність та динамічне введення правил без перекомпіляції коду, що робить його придатним для реальних систем семантичних мереж та вилучення знань. Отримані результати мають значення для обробки природної мови, інженерії онтологій та застосувань, що потребують інтерпретованості та масштабованості при обробці складних текстових даних.