Organizacja Instytutu Podstaw Informatyki PAN:

Zespół prowadzi prace naukowo-badawcze w dziedzinie systemów inteligentnych w następujących kierunkach:

• inżynieria pozyskiwania wiedzy
  *wyszukiwarki internetowe
  *pozyskiwanie wiedzy z danych, tekstu i hipertekstu
• metaheurystyki w optymalizacji
  *optymalizacja w środowiskach dynamicznych
  *inspirowane naturą metody optymalizacji trendów

Zespół opracował i wdrożył masowo-równoległą wyszukiwarkę internetową NEKST.PL, która gromadzi zasoby całego polskiego Internetu. Naszą specjalnością jest systematyzowanie zasobów internetowych oraz ich udostępnianie użytkownikowi. Systematyzacja oznacza automatyczny podział zasobów internetowych na grupy tematyczne, wyróżnianie kanałów tematycznych w serwisach internetowych, oraz etykietowanie i kategoryzowanie dokumentów i ich grup. Z punktu widzenia użytkownika, przekłada się to nie tylko na bardziej precyzyjne identyfikowanie dokumentów wartościowych dla użytkownika. Systematyzacja daje również możliwość wyszukiwania kontekstowego zarówno pojedynczych dokumentów, jak i ich grup, np. kanałów tematycznych czy serwisów, oraz dywersyfikację odpowiedzi wyszukiwarki.

Ze zgromadzonych zasobów korzysta m.in. system antyplagiatowy OPI.

Prowadzimy szereg prac rozwojowych z wykorzystaniem dorobku konceptualnego jak i softwarowego powstałej wyszukiwarki.

Dywersyfikacja oznacza zróżnicowanie odpowiedzi w taki sposób, aby użytkownik ujrzał nie tylko najlepsze dokumenty, ale także rozmaitość czy niejednoznaczność tematyczną, taką jak np. w klasycznym pytaniu o zamki (krawieckie? z piasku? rycerskie? w drzwiach? etc).

Natomiast uwzględnianie kontekstu jest istotne wtedy, gdy poszukiwany dokument jest zrozumiały tylko w kontekście innych dokumentów kanału tematycznego. Przykładowo, zadając wyszukiwarce zapytanie o opony samochodowe - dość częste w sezonach jesiennym i wiosennym - oczekiwalibyśmy w odpowiedzi odnośników do serwisów czy to producentów opon samochodowych, czy też sklepów z oponami. Uwzględnienie kontekstu umożliwi wyszukiwarce zwrócenie odnośników również do takich dokumentów zawierających w swojej treści słowo "opony", w których nie występuje słowo "samochodowe".

Tak rozumiana systematyzacja będzie narzędziem przydatnym dla wielu grup użytkowników. Naukowcy i przedsiębiorcy będą mogli z jednej strony uzyskać informacje na temat potencjalnych partnerów bądź konkurentów na rynku. Z drugiej strony, systematyzacja ułatwi im identyfikację interesujących obszarów badawczych czy też luk w rynku, które można zagospodarować.

Obiecującym kierunkiem badań jest zastosowanie technologii wyszukiwarkowych, a także narzędzi pozyskiwania wiedzy z danych, tekstu i hipertekstu, do analizy sieci społecznych.

Integralną częścią problemów efektywnego odpowiadania na zapytania jest optymalizacja - choć w praktycznych zastosowaniach wychodzi ona daleko poza ten obszar. W IPI PAN skupiamy się na tzw. metodach heurystycznych, opartych na algorytmach ewolucyjnych, immunologicznych czy metodach inteligentnych rojów. Podstawową zaletą rozwijanych u nas metod jest dywersyfikacja otrzymywanych rozwiązań, co jest nie do przecenienia szczególnie w wypadku dużej dynamiki otoczenia optymalizowanego systemu. Oprócz technologii wyszukiwarkowych, mogą one znaleźć szerokie zastosowanie np. w optymalizacji reakcji chemicznych, w sterowaniu procesami produkcyjnymi, czy też w symulacji procesów społecznych. Zarówno w wypadku badań sieci społecznych, jak i środowisk dynamicznych, szeroko wykorzystujemy konstruowane w Zespole (na bazie własnych opracowań teoretycznych).

Prowadzone są także badania w klasycznych obszarach pozyskiwania wiedzy z danych, ale z pogłębioną analizą pozyskiwania klasyfikatorów tzw. akcji, tj. klasyfikatorów bazujących na rozróżnianiu tych cech obiektów, którymi można sterować bądź nie.

W tych i innych obszarach systemów inteligentnych współpracujemy z polskim przemysłem wyszukiwarkowym, zagranicznymi firmami zajmującymi się modelowaniem rynku, a także z uczelniami polskimi, takimi, jak Uniwersytet Kardynała Stefana Wyszyńskiego, Polsko-Japońska Wyższa Szkoła Technik Komputerowych, Uniwersytet Przyrodniczo-Humanistyczny, Uniwersytet Gdański, Politechnika Wrocławska oraz zagranicznymi, jak Instytut Informatyki imienia Maksa Plancka (UE), Uniwersytet Karoliny Północnej w Charlotte (USA), Uniwersytet Stanowy w San Diego (USA) oraz Uniwersytet Adelaidy (Australia).

Zespół Inżynierii Lingwistycznej (ZIL) zajmuje się wieloma aspektami automatycznego przetwarzania języka naturalnego.

Tradycyjnym obszarem zainteresowań ZIL jest głębokie przetwarzanie języka polskiego na poziomie składniowym, z wykorzystaniem gramatyk metamorficznych (DCG) i generatywnych formalizmów Head-driven Phrase Structure Grammar (HPSG) i Lexical Functional Grammar (LFG). Dla każdego z tych podejść stworzono implementację gramatyki obszernego podzbioru języka polskiego, przy czym nadal rozwijane są podejścia DCG i LFG.

Drugim ważnym obszarem działalności Zespołu jest szeroko rozumiana ekstrakcja informacji: liczne prace dotyczą wydobywania informacji z tekstów dziedzinowych, znajdowania w tekstach jednostek nazewniczych oraz, ogólniej, powierzchniowego parsowania języka. Do nurtu tego zaliczyć można także prace dotyczące wydobywania wiedzy lingwistycznej - w tym ram walencyjnych - na podstawie danych korpusowych.

Nowsze prace ZIL związane są z przetwarzaniem tekstów na poziomie semantycznym. Wymienić tu należy przede wszystkim ujednoznacznianie sensów słów, znajdowanie nawiązań w tekstach (ang. Coreference Resolution) i analizę wydźwięku (ang. Sentiment Analysis). Pewne elementy przetwarzania semantycznego zawarte są także w rozwijanym obecnie parserze LFG. Bardziej aplikacyjne prace związane z tym nurtem dotyczą automatycznego streszczania i tematycznej kategoryzacji dokumentów.

Zespół prowadzi także intensywne prace korpusowe. Pod kierunkiem ZIL powstał liczący 1,5 miliarda słów Narodowy Korpus Języka Polskiego (NKJP; oparty m.in. na wcześniejszym Korpusie IPI PAN), stworzone zostały także liczne narzędzia do ręcznego i automatycznego znakowania korpusów na wielu poziomach lingwistycznych, schemat anotacji XML oraz ręcznie znakowany podkorpus wielkości 1 miliona słów. Na bazie NKJP tworzony jest obecnie bank drzew składniowych Składnica, którego wstępne wersje zostały wykorzystane do wytrenowania parsera zależnościowego dla języka polskiego.

Narzędzia tworzone w Zespole są publicznie dostępne na licencjach swobodnych (ang. Open Source). Wśród nich wymienić należy: tagery morfosyntaktyczne, parser powierzchniowy Spejd, parser głęboki Świgra, narzędzie do rozpoznawania jednostek nazewniczych Nerf, system ujednoznaczniania sensów słów WSDDE, narzędzia korpusowe Poliqarp i Anotatornia itp. W ZIL trwają także prace nad stworzeniem - m.in. na potrzeby głębokiego przetwarzania składniowego - otwartego słownika morfologicznego PoliMorf, opartego na wcześniejszych słownikach tego typu. Narzędzia te są wykorzystywane w aplikacjach współtworzonych przez ZIL, m.in. w wielojęzycznym systemie zarządzania treścią.

ZIL aktywnie uczestniczy w licznych projektach krajowych i międzynarodowych.

Więcej informacji znaleźć można na stronie Zespołu: http://zil.ipipan.waw.pl/.