Программные продукты и системы / Software & Systems № 3, том 29, 2016

УДК 004.5 Дата подачи статьи: 22.03.16

DOI: 10.15827/0236-235X.115.005-009
ЕСТЕСТВЕННО-ЯЗЫКОВОЙ ПОЛЬЗОВАТЕЛЬСКИЙ ИНТЕРФЕЙС
ДИАЛОГОВОЙ СИСТЕМЫ
(Исследование выполнено при финансовой поддержке Фонда содействия развитию малых форм предприятий
в научно-технической сфере в рамках научно-исследовательского проекта № 7369ГУ2015)

Р.В. Посевкин, аспирант, rus_posevkin@mail.ru;

И.А. Бессмертный, д.т.н., профессор, igor_bessmertny@hotmail.com
(Санкт-Петербургский национальный исследовательский университет
информационных технологий, механики и оптики (Университет ИТМО),
Кронверкский просп., 49, г. Санкт-Петербург, 197101, Россия)

Множество людей ежедневно взаимодействуют с различными программными системами. В результате внедрения

компьютерных систем во все сферы человеческой жизни все больше проявляется проблема перехода от визуальных и
командных интерфейсов к естественно-языковым. В статье рассмотрены методы компьютерной лингвистики и обра-
ботки естественного языка. Представлено полное описание всех стадий обработки естественного языка, таких как
морфологический, синтаксический и семантический анализ. Рассмотрен ограниченный язык как подмножество есте-
ственного языка, на котором текст хорошо воспринимается носителем естественного языка без дополнительных уси-
лий. Подобное решение позволяет сократить время анализа естественно-языковых элементов в диалоговой системе, а
также помогает избежать неоднозначностей на лингвистическом уровне. Методы для работы с естественным языком
могут применяться в программных системах машинного перевода, поисковых системах, системах автоматического
реферирования и в экспертных системах. Представлено формальное описание диалоговой системы в контексте мар-
ковского процесса принятия решений. Разработан прототип естественно-языкового пользовательского интерфейса,
который производит преобразования пользовательского запроса на естественном языке в SQL-запрос к БД. Интерфейс
взаимодействует с БД, содержащей информацию о существующих программных библиотеках и фреймворках. Таким
образом, использование методов обработки естественного языка позволяет разработать естественно-языковой поль-
зовательский интерфейс для взаимодействия с диалоговой системой.
Ключевые слова: диалоговая система, обработка естественного языка, пользовательский интерфейс, БД.

Существует большое количество программных
систем, каждая из которых обладает характерными
именно для нее принципами взаимодействия. В ре-
зультате свободное использование системы затруд-
няется и увеличивается время, необходимое на обу-
чение пользователя работе с ней.
Одним из вариантов решения проблемы взаи-
модействия с компьютерной системой является ис-
пользование естественного языка, более привыч-
ного для пользователя.
Такое решение имеет следующие преимуще-
ства:
 минимальная подготовка пользователя для
работы с системой;
 высокая скорость и простота формирования
произвольных запросов к системе.
Простота при работе с естественно-языковым
пользовательским интерфейсом достигается путем
применения пользователем языка, используемого в
ежедневной коммуникации [1].
Для естественно-языкового пользовательского
интерфейса диалоговых систем возможно исполь-
зование ограниченной лексики и грамматики
языка. При этом не происходит серьезного ухудше-
ния функциональности и производительности во-
просно-ответной системы.
Ограниченный естественный язык – это под-
множество естественного языка, на котором текст
воспринимается носителем естественного языка
без дополнительных усилий. При этом не требу-
ется изучение ограниченной версии языка для
составления текстов. Данный язык обладает сокра-
щенным набором лексики и грамматики, что поз-
воляет сократить время анализа естественно-язы-
ковых элементов в диалоговой системе, а также
избежать неоднозначностей на лингвистическом
уровне [2].
Цикл работы естественно-языкового пользова-
тельского интерфейса начинается с ввода пользо-
вателем текста сообщения на естественном языке.
На основе введенного текста строится его формаль-
ное описание. При этом все предшествующие ре-
зультаты анализа используются при анализе после-
дующих запросов, что позволяет системе сохра-
нять нить диалога с пользователем и разрешать
неоднозначные и спорные моменты, связанные с
различным использованием одних и тех же слов в
разных предметных областях [3].
В процессе обработки естественно-языкового
текста последовательно выполняется морфологи-
ческий, синтаксический и семантический анализ.
Общая схема работы системы представлена на ри-
сунке 1.
На первом этапе обработки пользовательского
запроса осуществляется морфологический и мор-
фемный анализ. Для каждого слова предложения в
формальной записи строятся отношения, задающие
соответствия для значений грамматических катего-
рий [4].
В результате морфологического анализа опре-
деляются морфологические характеристики каж-
дого слова, такие как падеж, склонение, часть речи

5
Программные продукты и системы / Software & Systems
Пользовательский Запрос к информационной
запрос системе
Морфологический Синтакси- Семанти-
и морфемный ческий ческий
анализ анализ анализ
Рис. 1. Общая схема обработки
естественно-языкового текста
Fig. 1. General scheme of natural language processing
и т.д. Количество и наличие морфологических ха-
рактеристик слов и допустимых значений зависят
от конкретного языка. Однако некоторые характе-
ристики, например часть речи, существуют во мно-
гих языках.
Для проведения морфологического анализа тек-
ста существуют следующие подходы: четкая мор-
фология, нечеткая морфология, вероятностный
подход.
При обработке естественно-языковых текстов
на русском языке наиболее часто применяется под-
ход, основанный на четкой морфологии и базирую-
щийся на словаре Зализняка. В этом словаре опи-
саны основные словоформы для слов русского
языка. Каждой такой словоформе сопоставляется
определенный код. Существует система правил, в
соответствии с которой для слова можно построить
все остальные формы [5]. В качестве исходных
данных используются начальная словоформа и со-
ответствующий ей код. В случае использования
четкого подхода в процессе морфологического ана-
лиза необходимо иметь в наличии словарь всех
словоформ и слов для данного языка. Словарь на
входе принимает форму слова, а на выходе пред-
ставляет морфологические характеристики кон-
кретной словоформы.
Возможно построение словаря на основе сло-
варя Зализняка по следующему алгоритму. Сна-
чала перебираются все слова, содержащиеся в сло-
варе. Для каждого из этих слов выделяются все
допустимые словоформы и сохраняются в форми-
руемом словаре. В процессе морфологического
анализа конкретного слова достаточно найти его в
словаре. В результате будут получены точные зна-
чения всех морфологических характеристик анали-
зируемого слова.
При морфемном анализе для каждого слова вы-
деляются морфемы: приставка, корень, суффикс,
окончание. В словаре морфем русского языка для
каждого слова указано разделение на составные ча-
сти. При этом в словаре не указываются типы каж-
дой из составных частей. Таким образом, досто-
верно неизвестно, какая из частей является суф-
фиксом, а какая корнем.
6
№ 3, том 29, 2016
Совокупность всех возможных корней слов
русского языка представляет собой открытое мно-
жество. В то же время множество всех приставок,
суффиксов и окончаний ограничено. Также изве-
стен порядок следования морфем в составе слова
на русском языке: приставки, затем корни, суф-
фиксы и окончания. Таким образом, с помощью
словаря морфем русского языка можно построить
словарь, содержащий информацию как о разбие-
нии слова на составные части, так и о типе каждой
из морфем. В результате для проведения мор-
фемного анализа слова достаточно использовать
разработанный словарь.
В случае отсутствия слова в словаре возможен
непосредственный анализ на основе стандартного
строения слов русского языка (приставка – корень
– суффикс – окончание) и множества всех приста-
вок, суффиксов и окончаний [6].
На этапе синтаксического анализа выделяются
отношения синтаксических связей внутри предло-
жения. Далее определяются главные и второсте-
пенные члены предложения, тип предложения.
Синтаксический анализ выполняется поэтапно:
при описании формальной структуры предложения
используется полученная на этапе морфологиче-
ского анализа информация. На данном этапе ис-
пользуются синтаксические и лексические правила
анализируемого языка.
Далее следует наиболее сложная часть обра-
ботки естественно-языкового текста – этап семан-
тического анализа, который можно рассматривать
как обработку семантической сети. В свою оче-
редь, семантическая сеть представляет собой ре-
зультат анализа естественно-языкового текста на
предыдущих этапах и присутствующих в системе
знаний о предметной области и языке программной
системы. На данном этапе анализируются соотно-
шения лингвистической конструкции и хранимых
в памяти системы конструкций, предназначенных
для выявления отношений соответствия.
В процессе построения семантической модели
слова учитывается его многозначность. Смысл
слова рассматривается как множество различных
значений. Вся совокупность этих значений в целом
или каждое из них реализуется в определенном
контексте. Результатом семантического анализа
является конструкция запроса к информационной
системе.
Система преобразования естественно-языко-
вого текста в запрос к БД является частью диалого-
вой системы. Рассмотрим диалоговую систему в
контексте марковского процесса принятия реше-
ний. Данный процесс представлен в виде диалога,
конечная цель которого – получение пользовате-
лем списка библиотек за наименьшее количество
возможных итераций. В рассматриваемом примере
пользователь формирует запрос с использованием
значений «язык программирования» и «тип лицен-
зий» в качестве фильтра.
Программные продукты и системы / Software & Systems
Марковский процесс принятия решений описы-
вается в терминах пространства состояний, набора
действий и стратегии. Состояния диалоговой си-
стемы затрагивают все ресурсы, с которыми взаи-
модействует пользователь [7].
Полный набор состояний диалоговой системы
может включать в себя:
 одно начальное состояние;
 различные комбинации списков библиотек,
формируемых в зависимости от начальных значе-
ний и используемого фильтра;
 специальное состояние, обозначающее
окончание работы текущей диалоговой сессии.
В данном примере рассматриваются такие со-
стояния диалоговой системы, как список библио-
тек, выбранных с применением фильтров «язык
программирования» и «тип лицензии».
В качестве возможных действий с диалоговой
системой рассматриваются взаимодействие поль-
зователя с системой (например, ввод пользовате-
лем запроса к системе, предоставление системой
ответа на пользовательский запрос, уведомления),
взаимодействие системы с внешними ресурсами
(например, отправка запроса к БД), внутренняя об-
работка данных [8].
В предлагаемом примере возможен следующий
набор действий с диалоговой системой.
1. Пользовательский запрос к системе на полу-
чение списка программных библиотек для опреде-
ленного языка программирования.
2. Пользовательский запрос к системе на полу-
чение списка программных библиотек, распростра-
няемых в соответствии с запрашиваемым типом
лицензии.
3. Пошаговые запросы, когда пользователь за-
прашивает список программных библиотек для
конкретного языка программирования, а затем от-
бирает из них только библиотеки с определенным
типом лицензии (или в обратном порядке).
4. Финальное действие, завершающее теку-
щую сессию диалога с программной системой.
Когда действие a производится над системой в
состоянии s, система переходит в состояние s’.
В подобной ситуации вероятность перехода описы-
вается формулой
PT (s(t+1) = s’ | s(t) = s, a(t) = a). (1)
Диалоговая сессия представляет собой длину
пути при переходе пользователя из начального в
конечное состояние диалоговой системы. При этом
диалоговая стратегия отображает, какое действие
будет совершено для перехода в каждое последую-
щее состояние программной системы.
Производительность системы можно измерить
с помощью целевой функции C, где веса Ci пред-
ставляют собой расстояние до достижения конеч-
ной цели. Таким образом, эффективность взаимо-
действия пользователя с диалоговой системой рас-
считывается по формуле
C = ∑ Ci. (2)
№ 3, том 29, 2016
В целом веса в марковском процессе принятия
решений описываются условным распределением
PC (c(t) = c | s(t) = s, a(t) = a). (3)
Совокупность из четырех состояний системы,
набора вариантов взаимодействий с системой, ве-
роятностей перехода и распределения весов опре-
деляют марковский процесс принятия решений.
Для рассматриваемого примера целевая функция
представлена как
C = Wi × <# interactions> + We ×
×<# errors> + Wf × <# incomplete values>. (4)
Целевая функция включает в себя три компо-
нента: первый – ожидаемая продолжительность
диалога, второй – предполагаемое количество оши-
бок в полученных данных, третий – предполагае-
мое расстояние до получения пользователем целе-
вого результата от диалоговой системы.
В зависимости от соответствия целевой функ-
ции диалоговой модели возникает связь веса c с со-
вершаемым взаимодействием a пользователя с си-
стемой, находящейся в состоянии s.
Вес включает в себя любое из первых трех дей-
ствий с диалоговой системой: Wi + We × number of
errors. Рассмотрим понятие веса ошибок для опре-
деления значений с применением фильтров по от-
дельности (для действий 1 и 2) – это p1, и совместно
(для действия 3) – это p2, при этом p2 > p1. Тогда
ожидаемый вес для взаимодействий 1 и 2 будет
представлен как Wi +We × p1, для действия 3 – Wi +
+ 2 × We × p2. Для действия 4 (закрытие диалоговой
сессии) вес зависит от состояния диалоговой си-
стемы, в котором произошло взаимодействие. Так,
для начального состояния вес будет выражен как
Wi + 2 × Wf. Для случаев, когда был применен
только один из фильтров («язык программирова-
ния» или «тип лицензии»), вес определяется как
Wi + Wf. В случае применения обоих фильтров вес
представлен как Wi.
На рисунке 2 отображены три различные стра-
тегии пользовательского взаимодействия с диало-
говой системой. Оптимальная стратегия стремится
к минимизации целевой функции. В данном случае
C1 = Wi + 2 × Wf. В соответствии со стратегией 1,
когда пользователь первым же действием закры-
вает диалоговую сессию, оптимальной является си-
туация со слишком большим весом ошибок:
p1 > (Wf − Wi)/We.
В стратегии 2 пользователь запрашивает список
библиотек с использованием одного из фильтров, а
затем закрывает диалоговую сессию. В данном слу-
чае C2 = 2 × Wi + 2× p2 × We.
В стратегии 3 пользователь запрашивает список
программных библиотек с использованием как
фильтра «язык программирования», так и «тип ли-
цензии» и после этого закрывает диалоговую сес-
сию. В текущей ситуации целевая функция имеет
следующий вид: C3 = 3 × Wi + 2 × p1 × We. Страте-
гия 3 оптимальна, когда верно выражение p2 − p1 >
> Wi / 2 × We.
7
Программные продукты и системы / Software & Systems
Спасибо
1. —
Библиотеки
для С++
2. Список
— библиотек
для C++
Библиотеки Только
для С++ платные
3. —
Список
библиотек
для C++
Рис. 2. Стратегии взаимодействия пользователя
с диалоговой системой
Fig. 2. Strategies of interactions between a user
and a dialogue system
Существуют различные методы вычисления оп-
тимальной стратегии с учетом корректных пара-
метров модели (вероятности перехода и распреде-
ления весов), среди которых алгоритм итераций по
критерию или итерации по стратегиям. Данные
подходы основаны на динамическом программиро-
вании, которое может быть использовано благо-
даря марковскому характеру представленной мо-
дели [9]. Подходы основаны на следующем опре-
делении: оптимальное значение V(s) состояния
диалоговой системы s представляет собой мини-
мальный ожидаемый вес, формируемый начиная с
момента, когда система перешла из состояния s, и
до тех пор, пока не достигла финального (конеч-
ного) состояния. Оптимальное значение функции
уникально и может быть определено как решение
системы уравнений:
 
V  s   mina  C  s, a   PT (s | s, a)V  s    , (5)
 S
где C(s, a) – ожидаемый вес для взаимодействия
a в состоянии s [10].
В рамках исследований разработан прототип
программной системы, реализующей естественно-
языковой пользовательский интерфейс к структу-
рированному источнику данных.
В качестве исходных данных представлена
БД MySQL, которая содержит информацию о су-
ществующих программных библиотеках и фрейм-
ворках. Тестовая БД содержит в себе таблицу,
имеющую следующие поля: уникальный иденти-
фикатор, имя, ссылка на официальный сайт или ре-
позиторий, дата создания, автор, тип лицензии, тип
записи (библиотека или фреймворк), размер, спи-
сок зависимостей, язык программирования, нали-
чие активного сообщества разработчиков.
Значением, получаемым на выходе програм-
мной системы, является SQL-запрос к БД. Одно из
необходимых условий для работы системы – нали-
чие структуры данных, описывающей содержимое
БД. В частности, необходимо описание таблицы и
входящих в нее полей.
8
№ 3, том 29, 2016
Сложные предложения на естественном языке
Конечное
не используются в пользовательском запросе к базе
состояние в рамках естественно-языкового пользователь-
ского интерфейса. Несмотря на то, что требуется
Спасибо создание лингвистического анализатора в виде
преобразователя, состоящего из двух видов аб-
Конечное
состояние стракции – морфологической и синтаксической
[11], каждый из уровней абстракции должен иметь
в наличии компонентную модель с набором правил
Спасибо
и библиотек и определенный образ запросов в виде
Список
платных Конечное морфологических и синтаксических структур.
библиотек состояние
для C++ Также не требуется фаза семантического ана-
лиза за счет того, что известна предметная область.
Таким образом, лингвистический анализатор
можно назвать лингвистическим преобразователем
(транслятором).
Добиться приемлемого уровня обработки ес-
тественного языка возможно без использования
полного грамматического анализа. Достаточно
извлечь наиболее информативные части предло-
жения, такие как ключевые слова, фразы и фраг-
менты. Следующим шагом является создание мор-
фологических и синтаксических моделей с исполь-
зованием морфологических и синтаксических
методов анализа.
Например, пользовательский запрос на есте-
ственном языке «Показать библиотеки для С++»
будет преобразован в SQL-запрос к БД SELECT
Name, Url FROM Data WHERE Type=’library’ AND
Language=’cpp’ .
Таким образом, естественно-языковой пользо-
вательский запрос на русском языке преобразуется
в SQL-запрос, который в дальнейшем может быть
отправлен к БД.
В результате разработанная программная си-
стема реализует естественно-языковой пользова-
тельский интерфейс к БД. Подобная система может

применяться в областях, где требуется обеспечить
доступ пользователя к информации из определен-
ной предметной области. Например, возможна реа-
лизация естественно-языкового интерфейса для
аналитической программной системы. Введя за-
прос на естественном языке, пользователь полу-
чает отчет, выборку по данным за определенный
временной период. В результате, применяя методы
обработки естественно-языкового текста, можно
создать программный интерфейс, обеспечиваю-
щий взаимодействие пользователя с программной
системой на естественном языке.
Литература
1. Bessmertny I. On constructing intellectual systems in ter-
nary logic. Programming and Computer Software, 2014, vol. 40,
no. 1, pp. 43–46.
2. Deshpande A.K., Devale P.R. Natural language query pro-
cessing using probabilistic context free grammar. Intern. Journ. of
Advances in Engineering & Technology. 2012, vol. 3, no. 2,
pp. 568–573.
3. Житко В.А. Пользовательский интерфейс интеллекту-
альных вопросно-ответных систем // NB: Кибернетика и про-
граммирование. 2012. № 1. С. 23–30.
Программные продукты и системы / Software & Systems № 3, том 29, 2016

4. Крайванова В.А. Модель естественно-языкового интер-
фейса для систем управления сложными техническими объек-
тами и оценка эффективности алгоритмов на ее основе // Управ-
ление большими системами. М.: Изд-во ИПУ РАН, 2009.
Вып. 26. С. 158–178.
5. Damljanovic D., Agatonovic M., and Cunningham H.
FREyA: An interactive way of querying Linked Data using natural
language. Proc. 8th Intern. conf. on the Semantic Web: ESWC 2011.
Springer Berlin Heidelberg, 2012, pp. 125–138.
6. Селезнев К. Обработка текстов на естественном языке
// Открытые системы. 2003. № 12; URL: http://www.osp.ru/os/
2003/12/183694/ (дата обращения: 27.02.2016).
7. Li F., Jagadish H.V. NaLIR: An interactive natural language
interface for querying relational databases. Proc. 2014 ACM
SIGMOD Intern. conf. on Management of data, ACM, 2014,
pp. 709–712.
8. Dezhao S., Schilder F., Smiley C., Brew C., Zielund T.,
Bretz H., Martin R., Dale C., Pomerville S., Duprey J., Miller T., and
Harrison J. TR Discover: a natural language interface for querying
and analyzing interlinked datasets. Proc. 14th Intern. conf. on the Se-
mantic Web: ISWC 2015, Springer Intern. Publ., 2015, pp. 21–37.
9. Kesavan S., Giudice N.A. Indoor scene knowledge acquisi-
tion using a natural language interface. SKALID 2012 – Spatial
Knowledge Acquisition with Limited Information Displays, 2012,
pp. 1–6.
10. Levin E., Pieraccini R., Eckert W. Learning dialogue stra-
tegies within the Markov decision process framework. Automatic
Speech Recognition and Understanding IEEE Proc., 1997,
pp. 72–79.
11. Елисеева О.Е. Естественно-языковой интерфейс интел-
лектуальных систем: учеб. пособие. Минск: Изд-во БГУИР,
2009. С. 84–85.

DOI: 10.15827/0236-235X.115.005-009 Received 22.03.16

NATURAL LANGUAGE USER INTERFACE OF A DIALOGUE SYSTEM
(Acknowledgements. The research was partially supported by FASIE (Fund for Assistance to Small Innovative Enterprises),
research project no. 7369GU2015)
1Posevkin R.V., Postgraduate Student, rus_posevkin@mail.ru
1Bessmertny I.A., Dr.Sc. (Engineering), Professor, igor_bessmertny@hotmail.com
1 The National Research University of Information Technologies, Mechanics and Optics,

Kronverksky Ave. 49, St. Petersburg, 197101, Russian Federation

Аbstract. Many people interact with software every day. Due to computer systems expansion to all fields of people’s
activity the problem of transition from visual and command interfaces to natural language user interfaces is becoming more
and more relevant. The article describes computational linguistics and natural language processing methods. It considers all
phases of natural language processing such as morphological, syntactic and semantic analysis. Limited language is represented
as a subset of natural language. This language allows avoiding linguistic uncertainty and decreases natural language elements
processing time. Translation system is a part of a dialogue system. Methods of natural language manipulation are applied in
machine translation software systems, search engines, data exchange, automatic abstracting and expert systems. The paper
represents a formal definition of a dialogue system as a Markov decision process. The authors developed a prototype of natural
language user interface for a structured data source. It converts natural language user’s query into SQL query to database. User
interface interacts with a database that contains information about existent program libraries and frameworks. Consequently,
using natural language processing methods makes it possible to develop natural language user interface providing a capability
to interact with a dialogue system.
Keywords: dialogue system, natural language processing, user interface, database.

References
1. Bessmertny I. On constructing intellectual systems in ternary logic. Programming and Computer Software. 2014,
vol. 40, no. 1, pp. 43–46.
2. Deshpande A.K., Devale P.R. Natural language query processing using probabilistic context free grammar. Int. Journ.
of Advances in Engineering & Technology. 2012, vol. 3, no. 2, pp. 568–573.
3. Zhitko V.A. Intelligent user interface for question answering systems. NB: Kibernetika i programmirovanie [Cyber-
netics and Programming]. 2012, no. 1, pp. 23–30 (in Russ.).
4. Krayvanova V.A. Model of natural-language interface for complex technical objects control systems and efficiency
evaluation of model-based algorithms. Upravlenie bolshimi sistemami [Large-scale Systems Control]. Moscow, Institute of
Control Sciences Publ., 2009, vol. 26, pp. 158–178 (in Russ.).
5. Damljanovic D., Agatonovic M., Cunningham H. FREyA: An interactive way of querying Linked Data using natural
language. The Semantic Web: ESWC 2011 Workshops. Springer Berlin Heidelberg Publ., 2012, pp. 125–138.
6. Seleznev K. Text processing on a natural language. Otkrytye sistemy [Open Systems]. 2003, no. 12. Available at:
http://www.osp.ru/os/2003/12/183694/ (accessed February 27, 2016) (in Russ.).
7. Li F., Jagadish H.V. NaLIR: An interactive natural language interface for querying relational databases. Proc. 2014
ACM SIGMOD Int. Conf. on Management of Data. ACM Publ., 2014, pp. 709–712.
8. Dezhao S. TR Discover: A Natural Language Interface for Querying and Analyzing Interlinked Datasets. The Semantic
Web-ISWC 2015. Springer Int. Publ., 2015, pp. 21–37.
9. Kesavan S., Giudice N.A. Indoor Scene Knowledge Acquisition using a Natural Language Interface. SKALID 2012 –
Spatial Knowledge Acquisition with Limited Information Displays. 2012, pp. 1–6.
10. Levin E., Pieraccini R., Eckert W. Learning dialogue strategies within the Markov decision process framework. Auto-
matic Speech Recognition and Understanding IEEE Proc. 1997, pp. 72–79.
11. Eliseeva O.E. Estestvenno-yazykovoy interfeys intellektualnykh sistem [Natural Language Interface of Intellectual Sys-
tems]. Study guide. Minsk, BGUIR Publ., 2009, pp. 84–85.