П2: какие самолеты имеются в эскадрилье?
С2: в 707 истребительной эскадрилье имеются F-4S
СЗ: вы хотели бы использовать F-4S?
ПЗ: нет, лучше F-16S из 606 истребительной эскадрильи
С4: в 606 истребительной эскадрилье нет F-16S
П4: где имеются F-16S?
С4: F-16S имеются на аэродромах Кеннеди и Лагардия
П5: в каких эскадрильях на Лагардии они имеются?
С6: F-16S имеются в 808 и 909 истребительных эскадрильях
П6: возьмите их из 808 истребительной эскадрильи на Лагардии
С7: какая система вооружения должна быть на F-16S?
П7: какие возможны?
С8: на F-16S могут быть системы Dl, D2 и D4
П8: ударьте по цели системой D4 и спланируйте остальное
С9: время достижения цели: 11.50 время вылета: 11.20 позывной: РЕАСЕ-7
Из приведенного примера видно, что в ряде случаев программа берет на себя инициативу в диалоге. Уже второй ход инициируется ЭВМ. Это связано с тем, что один из пунктов сценария планирования нападения — тип самолета — пропущен. По той же причине система синтезирует вопрос на седьмом шаге.
Системы обработки связных текстов довольно разнообразны по структуре. Их общей чертой можно считать широкое использование технологий представления знаний. Функции систем такого рода заключаются в понимании текста и ответах на вопросы о его содержании. Понимание рассматривается как процесс извлечения информации из текста, определяемый конкретной коммуникативной интенцией. Иными словами, текст «прочитывается» только с установкой на то, что будущий пользователь захочет узнать о нем. Тем самым и системы обработки связных текстов оказываются отнюдь не универсальными, а проблемно-ориентированными.
Типичными примерами систем обсуждаемого типа могут служить системы RESEARCHER и TAILOR, образующие единый программный комплекс, позволяющий пользователю получить информацию из рефератов патентов, описывающих сложные физические объекты. Программа RESEARCHER обрабатывает рефераты патентов (на английском языке), вводит выявленную информацию в базу знаний и также способна делать обобщенные выводы относительно объектов, описываемых в рефератах. Программа TAILOR образует вторую часть этого комплекса, обслуживая вопросно-ответные функции. Внутреннее представление в системе RESEARCHER основано на теории концептуальных зависимостей, сформулированной Р. Шенком. Внутреннее представление позволяет фиксировать информацию о: 1) иерархическом членении объекта на отдельные компоненты, 2) о функциональных отношениях между объектами и 3) о свойствах описываемых объектов. При поступлении рефератов патентов система не только выявляет содержащуюся в них информацию, но и интегрирует ее в базу знаний, включая лишь то, что является новым.
Программа TAILOR для синтеза ответов использует комплекс дискурсивных стратегий, определяемых коммуникативным намерением и стандартной дискурсивной практикой обсуждения определенной темы. В каждой проблемной области допускаются (разрешены) свои способы объяснения или определения чего-либо. Дискурсивные стратегии состоят из риторических предикатов типа «аналогия», «состав» (описание компонентов), «атрибутив» (сообщение дополнительной информации о некоторой сущности). Так, дискурсивная стратегия ОПИСАНИЯ включает такие предикаты, как «отнесение объекта к обобщенному классу», «перечисление компонентов объекта и их специфических функций в рамках целого», «сообщение каких-то дополнительных сведений». Дискурсивная стратегия описания позволяет системе синтезировать следующий ответ на запрос пользователя о телефоне: «Телефон — это устройство. Телефон состоит из микрофона, корпуса, шнура и приемника; микрофон имеет двухрезонансную систему и диафрагму. Корпус — это своего рода кожух. Шнур — это провод. (...)». Идеология дискурсивных стратегий была использована К. Маккьюин также для разработки системы TEXT, синтезирующей ответы на вопросы к базе знаний некоторой проблемной области (корабли и вооружение военно-морского флота). Важно отметить, что дискурсивные стратегии позволяли базе данных отвечать пользователю не только на конкретные вопросы фактического характера, но и на вопросы об устройстве самой базы, о свойствах объектов, представленных в базе.
