Статья посвящена анализу применения теории вероятности и нечеткой логики для обработки неопределенности, часто возникающей при толковании значения смыслов слов. Подчеркивается, что комбинирование этих двух подходов даст наилучший результат для устранения лингвистической неопределенности.
теория вероятностей, нечеткая логика, неопределенность, лингвистическая неопределенность
1. Dutt L. S., Kurian M. Handling of Uncertainty A Survey // International Journal of Scientific and Research Publications, 2013. – Volume 3. – Issue 1. – P. 1-4.
2. Meghdadi A.H., Akbarzadeh T. M. R. Uncertainty modeling through probabilistic fuzzy systems //Fourth International Symposium on Uncertainty Modeling and Analysis, 2003. ISUMA 2003. – IEEE, 2003. – Р. 56-61.
3. Auger A., Roy J. Expression of uncertainty in linguistic data //2008 11th International Conference on Information Fusion. – IEEE, 2008. – Р. 1-8.
4. Zadeh L.A. A computational approach to fuzzy quantifiers in natural languages //Computational linguistics. – Pergamon, 1983. – Р. 149-184.
5. Groen F.J., Mosleh A. Foundations of probabilistic inference with uncertain evidence //International Journal of Approximate Reasoning. – 2005. – Т. 39. – №. 1. – Р. 49-83.
6. How Bayesian Inference Works, Vincent Granville. TechTarget. URL: https://www.datasciencecentral.com/how-bayesian-inference-works/ (Дата посещения: 08.03.2023).
7. An Intuitive (and Short) Explanation of Bayes’ Theorem, Better Explained. URL: https://betterexplained.com/articles/an-intuitive-and-short-explanation-of-bayes-theorem/ (Дата посещения: 08.03.2023).
8. Beer M. A summary on fuzzy probability theory //2010 IEEE International Conference on Granular Computing. – IEEE, 2010. – Р. 5-6.
9. Qin B. et al. A rule-based classification algorithm for uncertain data //2009 IEEE 25th international conference on data engineering. – IEEE, 2009. – З. 1633-1640.
