daner> Примеры очень простые, и что хуже всего (для такой программу) оне даются по отдельности
Примеры действительно простые. Логика первого порядка не является особо показательной для решения сложных примеров. Хотя стоит заметить что люди при ведении диалога используют именно логику первого порядка. Даже на существующей в даный момент платформе можно написать очень неплохого чат бота, с возможностю обучения и интеллектуальными ответами. Примеры 5,7,8,2 довольно неплохо указывают на такую перспективу использования модели.
По поводу отдельности примеров. Особой проблемы в этом не вижу. Разделение примеров в основном обосновано некоторой ограниченостю БД и тем что из БД не удаляются даже промежуточные ошибочные результаты (мне ведь надо видеть все что происходит в программе).
Впрочем большинство примеров являются контекстно зависимыми, поэтому их результаты будут появляться только на соответствующих текстах. Так что особых конфликтов между примерами не предвидится. Даже текущая версия программы способна изучить и корректно использовать несколько примеров за один раз. Впрочем попробую увеличить размеры БД и посмотреть на реакцию программы при обучении всех примеров.
daner> лог. вывод, как делается? резолюция?
Нет не резолюция. Наглядно можно посмотреть как работает логический вывод на примере 8. Там в обученном примере "он сказал что придёт если не будет идти дождь. но идёт дождь. значит он не придёт." слово "придёт" просто заменяется на слова "починит крышу". Как видим просто создается ассоциация вводимого текста с эталонными (обученными) примерами. Т.е. все операции с текстом напрямую зависят от того чего программу научили.
Хотя комбинаторные проблемы с длинными предложениями всеравно сохраняются
daner> 2 - как предложение разбивается на лексемы?
На даный момент лексемы (слова с идентичными лексическими значениями) в основном формируются вручную. Для этого есть специальная системная команда. Хотя даный процес можно сделать автоматическим, но для этого нужно загружать в программу тексты общего смысла, на основании которых и можно будет сформировать правильные лексемы (впрочем их также можно автоматически сформировать и на небольших специальных примерах). Но поскольку на даный момент идет работа только над логической частью программы (причем в основном на ограниченной выборке текстов) то вполне достаточно ручного создания лексем.
daner> Я не увидел примеры, с которыми ваша программа не справилась! Было бы интересно на них посмотреть (вам проще их подобрать, так как вы знакомы с самим алгоритмом).
Да собственно их больше чем тех с которыми моя программа справляется
ИМХО скорее мне как автору более рациональней писать рабочие примеры, поскольку нерабочие примеры может написать кто угодно
Ну если всетаки рассматривать "правильные" примеры, то даная версия программа не способна обучаться следующему примеру:
//Обучение таблицы умножения
2*2=4
2*3=6
2*4=8
.....
Сколько будет 2*2? Будет 4.
@worktype read
Сколько будет 2*4?
L> Будет 8.
Сколько будет 2*3?
L> Будет 6.
Собственно над реализацией понимания таких примеров я сейчас и работаю.