Приложение Б
(справочное)
ГОСТ Р ИСО 24615—2013
Связь с системой лингвистического аннотирования
Для реализации системы SynAF необходимо руководствоваться требованиями стандарта ИСО 24612 к
системе лингвистического аннотирования (LAF - Linguistic Annotation Framework). LAF обеспечивает общую
основу для представления аннотаций, описанную в работах Айда (Ide) и Ромари (Romary) (14. 15. 16]. Разработка
этой основы строилась на достижениях сложившейся практики и обобщении различных принципов
лингвистического аннотирования, использовавшихся на протяжении последних 15-20 лет. Ядром системы
является спецификация опорной абстрактной модели, из которой получаются аннотации, ориентированные на
конкретные цели информационного обмена.
Рисунок В.1 — LAF как базовый формат
Рисунок Б.1 иллюстрирует принципы использования LAF применительно к шести различным форматам
пользовательских аннотаций (с метками от А до F). которые требуют двух преобразований для каждой
схемы: одно — для отображения в базовый формат и одно - для преобразования из базового формата,
представленного разработчиком схемы. Следовательно, максимальное число схемных преобразований составит
2л. в отличие от (л^ - л) преобразований при отсутствии базового формата.
Для преобразования к опорной модели схема аннотирования должна быть изоморфна абстрактной модели
(или сделана таковой в процессе преобразования); эта модель состоит, во-первых, из эталонной структуры для
привязки внешних аннотаций к первичным данным, представленной ориентированным графом (орграфом), и. во-
вторых. из представления структуры свойств содержимого аннотации. Таким образом, аннотация представляет
собой орграф ссылок на л-мерные области первичных данных, равно как и на другие аннотации; в этом
графе узлы аннотируются структурами элементов, которые, в свою очередь, формируют содержимое
(контент) аннотации. Формально LAF включает в себя следующие компоненты:
- модель данных для аннотаций, основанную на вышеуказанных орграфах и определенную как граф
аннотаций: граф аннотаций G - это совокупность вершин V(G) (термин ‘вершина’’ является синонимом термина
■узел’) и множества дуг £(G). Вершины и дуги могут снабжаться одним или несколькими свойствами. Свойство
определяется четвёркой элементов (С. VE. К. V). где G’ - это граф. VE - вершина в G’, К - имя свойства и V -
значение свойства;
- первичные данные с базовой сегментацией, которая определяет дуги, идущие от одного виртуального
узла к другому и расположенные, между "символами* первичных данных, где символ определяется как смежная
байтовая последовательность конкретной длины (по умолчанию для текста принимается значение UTF-16).
Результирующий граф G трактуется как рёберный граф G’. узлами которого являются дуги графа G и который
представляется листовыми (‘стоковыми") вершинами. Эти вершины образуют основу для однослойного или
многослойного аннотирования. Над первичными данными может определяться множество сегментаций, а одна и
таже сегментация может соотноситься с множественными аннотациями;
- публикации модели данных, одна из которых обозначается как опорная;
- методы манипулирования моделью данных.
Следует иметь в виду, что LAF не порождает спецификаций для категорий содержимого аннотаций (то
есть аннотаций, описывающих соответствующие лингвистические явления); стандартизация таких аннотаций
требует гораздо более сложных разработок. Архитектура LAF ориентирована на взаимодействие с реестром
категорий данных [Data Category Registry (OCR)], содержащим предопределенные элементы данных и схемы,
которые могут использоваться непосредственно в аннотациях вместе со средствами определения новых
категорий и модификации существующих (14. 15].
13