Decenije rada su uložene u razvijanje efikasnih računa, struktura podataka, algoritama i heuristika za automatske dokazivače za logiku prvog reda. Dokazivači za logike višeg reda zaostaju u pogledu efikasnosti.

Rad koji predstavljam prikazuje implementaciju dokazivača za logiku višeg reda baziranog na vrlo napredom superpozicionom dokazivaču E. Ovaj red objašnjava jedan način na koji se prilagodjavaju strukture podataka, algoritmi i heuristike kako bi se podržala logika višeg reda bez lambda izraza, formalizam koji podržava parcijalnu aplikaciju i primenjene promenljive. Naš pristup pokazuje dve bitne prednosti u odnosu na razvoj dokazivača za logiku višeg reda ispočetka: zadržavamo visoke performanse dokazivača za logiku prvog reda i uspevamo da rešimo i do 15% više problema u odnosu na tradicionalni pristupe zasnovane na prevođenju u logiku prvog reda. Logika višeg reda bez lambda izraza predstavlja prvi korak ka proširenjima na druge logike višeg reda.

U predavanju će biti prikazana tri klasifikaciona problema u kontekstu obrade prirodnih jezika: problem validacije bilingvalnih parova višečlanih leksema, problem identifikacije autora kratkih tekstova, kao i problem analize osećanja u kratkim porukama.

Jedan od ciljeva disertacije je razvijanje potpuno automatizovanog softverskog sistema za generisanje bilingvalne domenske terminologije. Što se resursa tiče, ovaj sistem oslanjao bi se samo na postojanje paralelnih, domenskih tekstova i, ne i nužno, liste domenskih pojmova na izvornom, engleskom jeziku. Sistem bi koristio postojeći alat LeXimir za ekstrakciju domenske terminologije na ciljnom, srpskom jeziku, a u slučaju nepostojanja liste domenskih pojmova na izvornom jeziku, koristio bi i postojeći alat FlexiTerm za ekstrakciju domenskih termina iz engleskog jezika. Sistem bi implementirao novi metod generisanja bilingvalne liste domenskih termina, uz automatsku validaciju dobijenih parova, kao i naknadno proširenje primerima upotrebe.

Drugi problem odnosi se na identifikaciju autora proizvoljnog kratkog teksta (SMS, Viber, Twitter itd.). U ovom slučaju, važno je modelovati sadržaj dokumenta na najadekvatniji način, odnosno prepoznati skup atributa koji najbolje karakterišu dati dokument i koji ga diskriminišu u odnosu na ostale dokumente te kolekcije.

Analiza stavova i raspoloženja kod kratkih tekstova, poput poruka sa različitih socijalnih mreža ili klijenata za razmenu poruka, predstavlja svojevrstan izazov. Takve poruke nose značajno manju količinu informacija u odnosu na, na primer, forumske diskusije. Uočen je trend da autori kratkih poruka teže ka tome da kroz specifičnu upotrebu znakova interpunkcije, ponavljanja slova i simbola, pisanjem samo velikim slovima, upotrebom specijalizovanih skraćenica i emotograma, ostvaruju sličnost pisanog sa govornim jezikom. Na taj način, autori izražavaju sebe, svoje stav i svoja osećanja.