sformułowali badacze zajmujący się różnymi aspektami tzw. Sztucznej Inteligencji. Poniższy artykuł zawiera omówienie wybranych propozycji m etodologicznych będących przedmiotem prac prowadzonych w Uniwersytecie im. Adama Mickiewicza.
W Zakładzie Lingwistyki Inform atycznej i Sztucznej Inteligencji W ydziału M atem atyki i Inform atyki UAM prow adzone są liczne prace mające za wspólny motyw przetw arzanie (komputerowe) języka naturalnego. G łów ne tem aty tych prac to:
■ rozum ienie języka naturalnego przez kom puter (Vetu- lani [10, 11, 12, 13, 14])
■ dialog pomiędzy człowiekiem i kom puterem przy użyciu języka naturalnego (por. Vetulani [7,10,11,12])
■ konstruow anie i wykorzystywanie słowników kom puterow ych (por. M artinek, Vetulani G., Vetulani Z.
[8,9]), projekty PO L E X (KBN 8S50301007) i G R A M - LEX (Copernicus # 6 2 1 )
■ standardy i norm y dla danych językowych (por. M ar
tinek, Vetulani G., Vetulani Z. [8, 9]), projekt CEG - LEX (Copernicus # 1 0 3 2 )
■ reprezentacja danych, m odelowanie rzeczywistości (por. M arciniak, M artinek, Vetulani [6, 7])
Ze względu n a ograniczone rozm iary tego artykułu ograniczymy się do założeń wypracowanych na prze
strzeni ostatnich 10 lat w pracach nad rozumieniem języka naturalnego przez kom puter.
Inspiracje
Wczesną inspiracją do om awianych tu prac były badania prow adzone w zespole A. C olm erauera, w G IA w M ar
sylii, dla języków angielskiego i francuskiego, dla których jednym z celów było ukazanie potencjału program ow ania logicznego poprzez rozwijanie systemów rozumiejących język naturalny (system ORBIS odpow iadający na pyta
nia z dziedziny popularnej astronomii). D o prac tych włączył się a u to r niniejszego artykułu poprzez opracow a
nie polskiego m odułu dla systemu ORBIS (ORBIS-PL).
Eksperym ent ten zakończył się im plem entacją (1984) na VAX’ie 730 systemu opartego na gram atyce typu D C G (bezpośrednio zapisanej w P R O L O G U , ok. 200 reguł), słow niku złożonym z ok. 1900 słowoform, niewielkiej bazie danych (ok. 700 faktów i reguł).
System wykorzystał w standardow y sposób własności P R O L O G U do przeprow adzenia analizy, mechanizmy do obsługi niepowodzeń, analizy właściwe O RBISO W I, podobny form at danych słownikowych i mechanizmy dostępu do słownika. Rozw iązania specyficzne dla m odu
łu polskiego odnosiły się przede wszystkim do warstwy semantycznej. Z astosow ana została mianowicie ekstens- jo n aln a sem antyka teoriozbiorow a, której głównym wy
znacznikiem jest to, że grupie rzeczownikowej przypisy
wany jest zbiór indywiduów (a nie predykat - jak w ORBISIE). Z astosow ane podejście umożliwia rozwią
zywanie w sposób naturalny presupozycji egzystencjal
nych związanych z analizow anym tekstem. Stosunkow o prym itywny model obliczeniowy O R B ISU (oparty cał
kowicie na Prologu) w połączeniu z kosztow ną ob
liczeniowo sem antyką, pow odow ał, że przetw arzanie zdań obfitujących w sporą liczbę złożonych konstrukcji (np. zagnieżdżenie zdań i fraz złożonych) pow odow ał w ystąpienie zjawisk o znam ionach eksplozji obliczenio
wej. Skłoniło to au to ra do dalszych poszukiw ań i w efek
cie do zastosow ania bardziej wyszukanych mechanizm ów w kolejnych im plem entow anych system ach EX PA ERT [7] i P O L IN T [8]. Było to konieczne ze względu na założenie korzystania ze skrom nego środow iska oblicze
niowego (kom putery PC/D O S).
Przyjęte rozw iązania dotyczą głównie:
a w irtualnego oddzielenia analizy składniowej i sem an
tycznej (analiza dwuprzebiegowa),
■ preanalizy wykorzystującej m.in. technikę zwrotnic,
■ koncepcji i organizacji słownika,
■ sem antyki teorio-zbiorowej.
W arto zwrócić uwagę na to, że rozw iązania, o których mowa, prow adzą do zadow alających wyników w zakresie popraw y czasów obliczeń bez rezygnacji z wygody, ja k ą oferuje platform a program ow ania logicznego w postaci Prologu.
H ie ra rc h ia z ad ań i k o m p o z y c y j n o ś ć
W sytuacji, gdy zasadniczym celem przetw arzania zdania, bądź tekstu jest jego rozum ienie przez kom puter, proces analizy rozkłada się na realizację szeregu celów u k ładają
cych się w hierarchię, w której cel pragm atyczny (jakim jest rozumienie) determ inuje cele semantyczne (jak: iden
tyfikacja obiektów i stosunków w yrażanych przez różne elementy zdania). Analizie semantycznej jest z kolei podporządkow ana analiza syntaktyczna (odpowiedzialna za segmentację zdań złożonych z elementów zidentyfiko
wanych podczas analizy morfologicznej. Segmentacja, na poziomie każdej z tych warstw, podlega zasadzie kom
-30 Inform atyka nr 3, 1996 r.
pozycyjności, wg której własności elementów składowych pozw alają na wyznaczenie własności elementów z nich złożonych.
W a r s t w a m o r f o lo g ic z n a , s ł o w n i k
W om aw ianych systemach w arstw a m orfologiczna nie stw arza problem ów, gdyż analiza m orfologiczna reduku
je się do identyfikacji form na podstawie słownika.
D odajm y, że wynik tej identyfikacji nie musi być jed n o znaczny, końcowe decyzje zależą od ustaleń dokonanych na wyższych poziom ach. Analiza morfologiczna, sprow a
dzona do identyfikacji słownikowej, polega więc na odczytaniu informacji morfologicznych skojarzonych w słowniku z daną formą. Uzyskujemy w ten sposób w artości podstaw ow ych atrybutów właściwe danej for
mie: liczba, rodzaj, przypadek itp.
Słownik m a spełniać nie tylko wymogi warstwy m orfo
logicznej dostarczając bezpośrednio form słów, lecz także ma sprostać oczekiwaniom warstw wyższych: składnio
wej i semantycznej. W szczególności podporządkow anie warstwie składniowej polega na tym, że słownik ma charakter leksykonu gram atycznego (lexicon gram m ar, lexiquegram m aire) w odniesieniu do elementów predyka- tywnych [3]. O znacza to, że wraz z elementami predyka- tywnymi (którym i są przede wszystkim czasowniki, ale często także rzeczowniki i przym iotniki) przekazywana jest inform acja o strukturze składniowej zdań elem entar
nych budow anych na podstaw ie tych jednostek. Słownik podaje też informację semantyczną, w tym sensie, że zawiera odw ołania do pojęć reprezentow anych przez słowa tekstu. M ogą to być albo symbole-identyfikatory, albo nazwy procedur obsługujących pojęcia.
Typowymi przykładam i jednostek leksykalnych są następujące klauzule do formy „bram ki” rzeczownika
„bram ka” i formy „zdobywa” czasownika „zdobyć”.
s(0, “bramki”, “bramka”,nazwa_posp, [[z,nm,mian,n_osob],gol_0]).
s(0, “zdobywa”, “zdobyć”, czas_tr_l, [[_>poj,3,ter],zdo_byc, [ [_>P°j ,mian,osob],[ , ,bi er,_] ,bezprz]]).
W przypadku rzeczownika kolejne pozycje (za zerem) są zajęte przez odm ienioną formę („bram ki”), identyfika
tor leksemu („bram ka”), kateogrię (nazwa_posp) parę złożoną z zestawu w artości cech morfologicznych ([z,m n,m ian,n_osob]) oraz referencji semantycznej (goLO).
Klauzule słownikowe elementów predykatyw nych są bardziej złożone. O ile początkow e argum enty m ają to samo znaczenie co powyżej, to param etr ostatni jest trójką postaci [C1,C2,C3], gdzie C l opisuje cechy formy
„zdobywa” (rodzaj: = nieokreślony, liczba: = pojedyncza, przypadek: = 3, czas: = teraźniejszy); C2 to referencja do relacji (zdo_byc) w bazie danych, C3 jest w tym w ypadku trójką uporządkow aną, której dwa pierwsze elementy charakteryzują cechy powierzchniowe obowiązkowych argum entów (podm iot - [_,poj,m ian,osob], dopełnienie - [_,_,bier,_]), a trzeci - sposób w prow adzenia dopeł
nienia (jako bezprzyimkowy). Ten ostatni param etr w yra
ża więc wym agania składniow e czasownika „zdobyć”.
W a r s t w a s k ła d n io w a
Inform acja składniow o-pow ierzchniow a wyrażana jest za pom ocą reguł składniowych o kształcie reguł D CG (reguły bezkontekstow e ze złożonymi param etram i w sym bolach nieterminalnych). Reguły te oddają upo
rządkow anie segmentów i mogą przekazywać „inform a
cje” pomiędzy segmentami (np. związki zgody czy rządu występujące w ewnątrz zdania). Inform acja dotycząca struktury logiczno-funkcjonałnej zdań elem entarnych jest związana z jednostkam i leksykalnymi i umieszczona w słowniku. Uwzględnia ona klasyczne pojęcia podm iotu, dopełnienia itp. Tym samym realizow ana jest w praktyce koncepcja leksykonu-gram atyki [3], oparta właśnie na idei związania z jednostką słownikową informacji o zwią
zkach składniowych, w które ta jed n o stk a wchodzi.
Analiza składniow a jest podporządkow ana sem antycz
nej w tym sensie, że segmenty, którym i o na operuje (odpowiadające na ogól klasycznym kategoriom gram a
tycznym, ja k np. grupa rzeczownikowa) są jednostkam i interpretow alnym i semantycznie w term inach pojęć teo- riozbiorowych, jak relacja, element, zbiór. Analiza skład
niowa wykorzystuje prologow y m echanizm parsingu (top-down, depth first), z tym, że niedeterminizm właściwy tem u mechanizmowi jest ograniczany przez informację pochodzącą ze słownika (leksykonu-gramatyki). Np. zi
dentyfikowanie w analizowanym zdaniu czasownika wy
m agającego obecności dopełnienia w bierniku (informa
cja odczytana w słowniku) pow oduje odwoływanie się w procesie analizy jedynie tych reguł składniowych, które przewidują wystąpienie elementu rzeczownikowego w bierniku i to na pozycji powierzchniowej zaobser
wowanej w analizowanym zdaniu (por. preanaliza). W ten sposób ograniczana jest przestrzeń poszukiw ań (w gra
matyce), a tym samym przyspieszana jest sam a analiza.
W a r s t w a se m a n ty c z n a
Analiza sem antyczna wylicza strukturę predykatyw no- -argum entow ą zdania przez ustalenie relacji reprezen
towanych przez elementy predykatyw ne i ekstensji ele
m entów nazwowych (np. grup rzeczownikowych). Re
prezentacja sem antyczna ma charakter relacyjno-teorio- -zbiorowy. O znacza to, że ekstensje elementów nazwo
wych są zbioram i (reprezentowanymi przez listy), zaś relacje binarne zbioram i par itp. Rygorystyczne trzy
manie się tego typu interpretacji semantycznej ma swoje wady. G łów ną jest niedogodność operow ania listami elementów w przypadku dużych zbiorów obiektów, w których cechy jednostkow e elementów są m ało istotne (ziarnka piasku). Jedną z zalet jest możliwość naturalnej analizy presupozycji egzystencjalnych (zaim plem entowa
na w polskim module O R B IS-PL systemu ORBIS, [10]).
Możliwe jest także rozwiązywanie wieloznaczności związanych z użyciem wielu kw antyfikatorów lingwis
tycznych w zdaniu (np. Dwóch myśliwych upolowało sześć dzików) w sposób inny niż wykorzystując tradycyjne, obarczone znanym i wadami, podejście zakresowe (scope approach), a mianowicie uznając, w duchu propozycji pochodzącej od Bellert [1], że na interpretację sem antycz
ną zdania składa się, poza zbiorowym wartościowaniem argum entów, także p aram etr związany z konfiguracją kw antyfikatorów i charakteryzujący sposób, w jak i rela
cja rozkłada się na obiekty z dziedzin (argumentów), które
wiąże (por. [10]). Podejście to, jak na razie, nie doczekało się wyczerpującego opracow ania uwieńczonego pełną implementacją.
Analiza sem antyczna odpow iada zasadzie kom pozy- cyjności - wykrycie elem entu składniowego umożliwia uruchom ienie procedury obliczania jego w artości sem an
tycznej.
A priori możliwe są dwie podstawowe strategie:
■ „interpretacyjna” - w artość sem antyczna elementów jest obliczana w miarę ich wykrywania w czasie analizy składniowej
■ „kom pilacyjna” - w artości sem antyczne elementów są wyznaczane dopiero po zakończeniu analizy skład
niowej.
Słabym punktem rozw iązania „interpretacyjnego” jest to, że skutkiem naw racania m ogą być wielokrotne p o w tarzane, a także tracone fragmenty kosztownych ob
liczeń semantycznych. Korzyść polega n a tym, że w nie
których przypadkach do ustalenia ostatecznej segmen
tacji niezbędne jest wzięcie pod uwagę ograniczeń sem an
tycznych, a w tym w ypadku czyste podejście „kompilacyj- ne” jest niemożliwe. Z kolei przy podejściu „interpretacyj
nym ” naturalne jest umieszczanie poleceń ewaluacji se
mantycznej bezpośrednio w ciele reguł składniowych.
Rozwiązanie takie zapew nia gram atyce przejrzystość i łatwość konserwacji. Celem równoczesnego wykorzys
tania zalet obydwu podejść proponujem y m etodę analizy dwuprzebiegowej.
A n a liz a d w u p r z e b i e g o w a
Przyjęte przez nas rozwiązanie (w postaci analizy dw u
przebiegowej) godzi oba naszkicowane wyżej podejścia, eksploatując zasadę w ypracow aną w m etodologii p ro gram ow ania deklaratywnego: reguły (program u) opisują to, co m a być zrobione nie przesądzając o sposobie wykonania. W naszym w ypadku oznaczać to będzie, że parser zapisany deklaratyw nie w postaci reguł „inter
pretacyjnych” będzie zm uszony do działania „kom pila- cyjnego”.
Dwuprzebiegowość polega na tym, że w (pierwszym) niedeterministycznym przebiegu składniow ym procedury sem antyczne nie są wywoływane. W efekcie pierwszego przebiegu analizy ustalona zostaje jedna (lub więcej) segm entacja zdania. W szczególności w prow adzony zo
staje param etr składniowy, zapam iętujący w postaci drzewa wywołań reguł wyłącznie reguły prow adzące do ostatecznie zaakceptow anej segmentacji, a także kolej
ność ich zastosow ania. W drugim przebiegu, kolejność ta będzie sterow ała stosow aniem wywołań procedur sem an
tycznych, które pozostawały „uśpione” podczas skład
niowego (pierwszego) przebiegu analizy (por. [14]).
struktura(A,str(M0,Ml),S,X0,X2) :-podstrukturaO( A, M 0,S0,X0,X1), podstruktural (A,M 1 ,S 1 ,X 1 ,X2), semantyka(A,SO,Sl,S).
semantyka(0 , _ , _J :- true.
sem antyka(l,SO,Sl,S)
:-(wywołania procedur semantycznych)
P rocedura „sem antyka” oblicza wartość sem antyczną S całej struktury na podstaw ie w artości sem antycznych
SI, S2 ustalonych dla podstruktur. Analizę, której celem jest wyznaczenie w artości semantycznej S dla ciągu wejściowego słów X, wywołujemy przy pom ocy następu
jącego predykatu „pełna_analiza”:
pełna_analiza(S,X )
:-przebieg_składniow y_analizy(W ,X ), przebieg_sem antyczny_analizy(S,W ,X ).
przebieg_składniow y_analizy(W ,X ) :- stniktura(0,W ,_,X ,[]).
przebieg_sem antyczny_analizy(S,W ,X ):- struktura(l,W ,S,X ,[]).
A trybut składniowy W jest obliczany w pierwszym przebiegu i przekazywany ja k o sterujący do drugiego.
Obliczenie wartości S przez ,,struktura(l,...)” jest wyni
kiem w ykonania reguł semantycznych, k tóre nie były uaktyw nione w przebiegu „struktura(0,...)”. P ara p a ra m etrów „X” i „ [ ] ” składa się na listę różnicową, w której pierwszy element („X”) reprezentuje analizow any ciąg wyrazów, zaś drugi ( „ [ ] ”) pustą resztę tego ciągu.
Preanaliza i s t o s o w a n i e z w r o t n ic
Preanalizą (w stosunku do podstaw ow ego algorytm u analizy) nazywamy wszystkie operacje zm ierzające do w irtualnego uproszczenia sytuacji, w której operow ać ma główny algorytm analizy. Stosow anie preanalizy w ze
staw ieniu z algorytm am i nawracającym i będzie szczegól
nie wskazane, gdy doprow adzi do sytuacji, w której główny algorytm będzie działał w sposób determ inistycz
ny. (Dyskusję skuteczności przeprow adzono w pracy [15]).
W naszym przypadku preanalizie stawiam y zadanie ograniczenia przestrzeni poszukiw ań (search tree), a tym samym zwiększenia efektywności analizy właściwej. Przy algorytm ie typu top-dow n polegającym n a redukcji hipo
tez, preanaliza zmierzać może do wykluczenia z rozw ażań hipotez, co do których wiadom o na pewno, że nie znajdą potwierdzenia. Przykładem niech będzie hipoteza „anali
zowane zdanie jest złożone” w sytuacji, gdy skądinąd w iadom o, że np. m a ono długość 3. W stępne ustalenie długości zdania umożliwia odrzucenie z rozw ażań wszyst
kich wersji reguł przewidujących, że zdanie analizow ane jest złożone (a więc długości większej niż 3).
W system ach EX PA ERT i P O L IN T preanaliza ma charakter leksykalny, tj. opiera się na identyfikacji słów i konfrontacji ich ze słownikiem [13]. W szczególności niewystąpienie w analizowanej jednostce określonych elementów leksykalnych („świadków leksykalnych”) m o
że świadczyć o niewystąpieniu danego zjawiska. Np. brak form zaim ka względnego świadczy o niewystąpieniu zdania względnego w analizowanej konstrukcji. Z kolei identyfikacja elementów predykatyw nych i rozpoznanie rozłożenia elem entów rzeczownikowych może d oprow a
dzić, w wielu wypadkach, do w skazania właściwej reguł}' składniowej opisującej szczegółowo budow ę zdania, i to w sposób deterministyczny.
W ykorzystujem y tu fakt, że jednostki słownikowe dla elementów predykatyw nych zaw ierają inform acje o bu
dowie zdań opartych na tych jednostkach. Preanaliza stosow ana jest w połączeniu z techniką zw rotnic („switch”
[15]), k tó ra pozwala na modyfikcję przebiegu obliczeń
32 Inform atyka nr 3, 1996 r.
w sposób dynam iczny dzięki odpowiedniej param etryza
cji wywołań procedur (klauzul prologowych). Technika ta umożliwia dynam iczne program ow anie w Prologu p o przez w irtualną reorganizację program u prologowego.
O bjaśnim y ją n a przykładzie. Załóżmy, że jednym z elementów rozwiązywanego zagadnienia jest problem i że problem ten sprow adza się do jednego z czterech wariantów-problemu, przy tem a priori nic nie w iadom o o tym, który z nich w danej sytuacji m a miejsce. Ta sytuacja jest reprezentow ana w Prologu przez program : problem w ariant_problem u(l).
problem wariant_problemu(2).
problem wariant_problem u(3).
problem wariant_problem u(4).
Rozwiązanie problemu polega na podejm ow aniu prób kolejnego rozwiązywania w ariantów (niepowodzenie wa
riantu „i” pow oduje naw rót do „i + 1 ”). W przypadku gdy dla określonej klasy sytuacji, w arianty o niskich num e
rach zawodzą, obliczenia są nieefektywne. Uzyskanie dodatkow ej wiedzy o rozkładzie praw dopodobieństw a skuteczności danego w ariantu w danej sytuacji pozw ala na uspraw nienie obliczeń przez zastosow anie zwrotnicy.
Załóżmy, dla ilustracji, że najbardziej praw dopodobny jest w ariant 2, dalej 1 i 4, oraz, że w ariant 3 jest
niemożliwy. W prow adzam y predykat zwrotnica(2).
zw rotnica(l).
zwrotnica(4).
oraz modyfikujemy definicję problemu następująco problem zwrotnica(N), wariant_problemu(N).
W idać, że w wyniku tej modyfikacji, kolejnością n a
w rotów będzie sterow ała zwrotnica, zaś efekt będzie odpow iadał przestaw ieniu klauzul program u (i usunięciu klauzuli 3).
W naszym przypadku, wiedza zebrana w fazie preanali- zy służy optym alnem u ustawieniu zwrotnic.
R o z u m ie n ie języka n a tu r a ln e g o
Zasadniczym elementem oceny każdego zadania jest analiza zgodności pom iędzy zam ierzonym celem a jego realizacją. Jednym z głównych celów prow adzonych przez nas prac jest rozumienie ję zyka naturalnego przez komputer. Precyzyjna realizacja tak sform ułowanego celu w ymaga ścisłego ustalenia co ma kryć się pod terminem rozumienie. W naszych pracach przyjmujemy, że sens tego słowa jest wyznaczony zgodnie z zasadą zaproponow aną przez T uringa (test Turinga), tj.: mam y do czynienia z „rozum ieniem ” tekstu przez system, gdy ten reaguje zgodnie z naszymi oczekiwaniam i i w przybliżeniu tak jak prawidłowo reagow ałby człowiek, czyli udzielając sen
sownych odpowiedzi na sensownie postaw ione pytania, względnie w ykonując realizowalne polecenia.
Tytułem przykładu, ilustrującego uzyskany przez nas stopień rozum ienia człowieka przez kom puter, cytujemy fragm ent dialogu pom iędzy systemem P O L IN T a użyt- kownikiem-człowiekiem. Pytania zadaw ane były syste
mowi przez człowieka za pośrednictwem klawiatury, odpowiedzi wyświetlane były na ekranie. Czasy reakcji
uzyskane na kom puterze P C 386, 40 M H Z są bliskie
„realnych” - od kilku do kilkunastu sekund. „Rozm ow a”
dotyczy fragm entu meczu piłkarskiego rozegranego po
między Olym pique Marseille i F C Bruges:
Przeciw kom u gra drużyna FC Bruges?
- Olym pique Marseille.
Jak nazywa się piłkarz, który strzelił bram kę (i który grywa w drużynie Olym pique Marseille)?
- Boksie.
Czy piłkarz, który strzelił bram kę, gra w drużynie O lym pique Marseille?
- Tak, np. Boksie.
Gdzie znajduje się piłkarz, który strzelił gola?
- N a boisku.
* * *
Referowane tu wyniki i rozw iązania nie stanow ią celu
„samego w sobie”, lecz podporządkow ane są dalekosięż
nemu program ow i badań i poszukiwań, którym jest uzyskanie środow iska kom puterow ego, w którym będzie m ożna prow adzić bad an ia i eksperym enty nad języko
wymi zachow aniam i człowieka w interakcji z maszyną posiadającą kom petencję językową. P rogram ten naw ią
zuje bezpośrednio do głośnych eksperym entów prow a
dzonych przez B arbarę G rosz w latach 70. w w arunkach symulacji takiego środowiska, których celem było uzys
kanie wiedzy na tem at w arunków , jakie spełniać winny tego typu systemy [4], Uzyskane dotąd wyniki pozwalają mieć nadzieję na bliskie zrealizowanie tych zadań.
Kontakt z Autorem:
U niw ersytet im. A dam a M ickiewicza, W ydział M atem atyki i Informatyki ul. M atejki 48/49, 60-769 P ozn ań
tel. 66-86-51, fax: 66-29-92, vetulani@ m ath.am u.edu.pl
L IT E R A T U R A
[1] Bellert I.: F eatu re System for Q uantification Structures in N atural Langauge. G roningen-A m sterdam Studies in Semantics, Foris P u b lications, D ordrecht-H olland/Providence RI - U.S.A., 1989 [2] C olm erauer A.: M etam orphosis G ram m ars, w: N atu ral Language
Com m unication with C om puters, w: L. Bole, Lecture N otes in C om puter Science, Vol. 64, pp. 133-189, 1978
[3] G ross M.: Les bases em piriques de la notion de prédicat sém antique, w: Langages, 63, s. 7-52, 1980
[4] G rosz B.: w U nderstanding Spoken Language, W alker D. (ed), Elsevier N orth-H olland, New Y ork, 1978
[5] Jassem K., Vetulani Z.: Linguistically Based O ptim isation of a T D D F Parsing A lgorithm of the N L system P O L IN T , w:
Haiwachs D.W., Stütz, Irm gard (eds), Akten des 28. Linguistischen Kolloquium s, G raz 1993, (Linguistische Arbeiten 321), M ax N iem e
yer Verlag, Tübingen, S. 321-326, 1994
[6] M arciniak J.: Język natu raln y w procesie nawigacji autonom icznej jednostki kognitywnej w środow isku w irtualnym , w: Język i Techno
logia, V etulani Z., Abram owicz W., V etulani G . (eds), Akadem icka Oficyna W ydawnicza PLJ, W arszaw a, 1996
[7] M artinek J., Vetulani Z.: An Expert System for A rt H istory D ata and Docum ents; w: Banczerowski J. (ed.). The A pplication of M icrocom puters in H um anities Wyd. N auk., U A M , Poznań, pp. 63-74, 1991 [8] M artinek J., Vetulani G., Vetulani Z.: T he C E G L EX dictionary
model for Polish, referat na konferencji „UkrSoft-95, O ctober 18-21, Lviv” (w druku w m ateriałach konferencyjnych).
d o k o ń c z e n ie n a s. 37 ^