Лингвистический преобразователь. Общая схема работы преобразователей
Вот схема работы, по которой мы будет настраивать каждый из лингвистических преобразователей:
Преобразователей будет как минимум 4 (скорее всего, будет больше). Красным цветом обозначены данные, получаемые из внешнего мира. Зелёным - данные, полученные в процессе вычислений непосредственно в модели. Фиолетовым - непосредственно исполнители (программы). Преобразователь уже написан, наша задача - используя лингвистическую информацию, сформулировать правила преобразователя на DTL и передать их ему в качестве исходного текста.
Действовать будем поэтапно. Сначала подготовим нижнюю часть (написанные вручную правила в количестве, достаточном для демонстрации), затем - данные словарей и правил вместе с генератором DTL, что позволит создавать правила преобразования автоматически. Наконец, используя тестовые данные, загружаемые из Интернета, мы сможем наполнить наши словари также автоматически. После этого построение модели будет завершено.
Затем конвертировать правила в DTL? Почему не использовать их в явном виде? Дело в том, что представление лингвистической информации отвечает удобствам хранения, но не преобразования. Переформулирав правила, мы оптимизируем их и подготовим для DTL-преобразователя. Кроме того, использование DTL позволяет нам свести все преобразования к работе универсального преобразователя. Эта универсальность позволяет сократить весьма солидный объём работы.
Преобразователей будет как минимум 4 (скорее всего, будет больше). Красным цветом обозначены данные, получаемые из внешнего мира. Зелёным - данные, полученные в процессе вычислений непосредственно в модели. Фиолетовым - непосредственно исполнители (программы). Преобразователь уже написан, наша задача - используя лингвистическую информацию, сформулировать правила преобразователя на DTL и передать их ему в качестве исходного текста.
Действовать будем поэтапно. Сначала подготовим нижнюю часть (написанные вручную правила в количестве, достаточном для демонстрации), затем - данные словарей и правил вместе с генератором DTL, что позволит создавать правила преобразования автоматически. Наконец, используя тестовые данные, загружаемые из Интернета, мы сможем наполнить наши словари также автоматически. После этого построение модели будет завершено.
Затем конвертировать правила в DTL? Почему не использовать их в явном виде? Дело в том, что представление лингвистической информации отвечает удобствам хранения, но не преобразования. Переформулирав правила, мы оптимизируем их и подготовим для DTL-преобразователя. Кроме того, использование DTL позволяет нам свести все преобразования к работе универсального преобразователя. Эта универсальность позволяет сократить весьма солидный объём работы.