基于领域的语用研究和实现

要准确理解自然语言,不仅需要对自然语言进行语义理解,更需要把语义理解和具体的语境结合,即要进行语用方面的研究。在教学智能辅助系统中,我们对语用的实现进行了一些尝试,把自然语言理解的语义理解结果和教学中的某个领域（这里是行程领域）结合研究,通过语用推理得到深层隐含信息,能够比较完整地理解自然语言的本质。     

数据库汉语查询接口CQI的设计和实现

1.引言 研究数据库的自然语言接口,对促进数据库的广泛应用和自然语言理解的研究,都具有很大的意义。现在国内外都有这方面的研究,如RENDEZVOUS,ROBOT,PLANES、LIFER和IRUS。但是,以往在研制数据库的自然语言接口时,无论是混合进行语法分析和语义分析(如ROBOT),还是把两者分开(如IRUS),都没有充分利用数据库中包含的语义信息,没有把语法和语义很好地结合起来。     

用于理解的语义词典的构造和设计

在人工智能比较活跃的领域中, 自然语言理解已日益引起计算机科学、语言学和心理学等方面专家的重视。在自然语言处理和理解中, 从机器翻泽系统到各种语言理解系统的建立, 它们都需要对句子进行词法和句法分析, 查找为翻译或理解所建立的词典。不论怎样把以前所建立的系统分为第一代或第二代系统, 这些系统大都是基于句法结构。由于仅靠句法结构还不够, 不能完全解决机器翻译或语言理解方面的问题, 因此, 在美国曾使机器翻译研究一度中止。大量的实践证明, 目前, 自然语言理解以句法为基础的研究已转为以语义为基础的研究。因而, 为了适应以语义为基础的研究, 我们就得率先进行语义词典建立方面的探讨和研究。     

基于自然语言计算模型的汉语理解系统

本文首先给出了一种自然语言计算模型,该模型把自然语言交流过程划分为三个层次:语言形式,表层语义和深层语义,从而将自然语言理解抽象为一个复合函数UP(s,k),依据这个模型,我们设计了一个汉语理解系统,这个系统具有良好的扩展性和可移植性,该系统采用汉语语义结构文法来分析汉语句子,把语法分析和语义分析有机地结合在一起,文中形式定义了词语的深层语义以及深层语义的基本运算,给出了分析器、理解器以及生成器的算法。     

基于知识树的领域知识组织和应用*

在分析已有知识表示方法优缺点的基础上,提出一种高效的知识表达模型——概念知识树。概念知识树模型不仅结构性好、表达能力强,而且在应用中具有良好的适应性和延展性,现主要应用于信息检索和自然语言理解领域。以旅游领域为背景,用概念知识树作为表达模型建立相应的领域知识体系,并在此基础之上实现了一个旅游智能分析系统。该系统可在对用户需求(自然语言)进行一定程度语义理解的基础上,根据所建立的知识体系自动进行语义匹配,最终返回满足用户需要以及相关的旅游路线信息。     

高性能电子邮件过滤系统的设计与实现*

该系统采用基于全信息的自然语言理解方法论,对邮件从语法（关键词过滤）、语义（主题过滤）、语用（倾向过滤）三个层次上进行过滤,从而尽量避免对正常邮件的误判和对非法邮件的漏判。     

基于自然语言计算模型的汉语理论解系统

本文首先给出了一种自然语言计算模型，该模型把自然语言交流过程划分为三个层次：语言形式，表层语义和深层语义，从而将自然语言理解抽象为一个复合函数ＵＰ。依据这个模型，我们设计了一个汉语理解系统，这个系统具有良好的扩展性和可移植性，该系统采用汉语语义结构文法来分析汉语句子，反语法分析和语义分析有机地结合在一卢。文中形式定义了词语的深层语义以及深层语义的基本运算，给出了分析器，理解器以及生成器的算法。     

拼音汉字计算机自动转换系统

本文介绍了一种运用自然语言理解,完成汉语拼音到汉字的计算机自动转换系统。该系统利用汉语词法知识、句法知识、语义和语用知识,构造了一个层次结构的知识基,对汉语拼音形式的文章,逐句进行切词、词法分析、语法分析、语义和语用处理,最后形成正确的汉字句子、文章。 该系统已在IBM PC/XT微型计算机上实现。     

一种新的自然纹理分类方法

纹理分类一直是图像处理领域重要的研究课题之一。目前,用数学方法描述纹理特征从而进行纹理分类非常流行,但这些方法无法消除纹理视觉特征和人们理解的纹理概念之间的语义障碍。提出了一种新的基于中文自然语言纹理描述词的纹理方法,把常见的自然纹理分为10大类别,然后利用小波包分解和最小二乘支持向量机对自然纹理进行分类,实现了纹理的视觉特征到语义描述的转换。实验结果证明,该方法在图像理解和基于自然语言的图像检索中有助于缩小纹理特征的数学描述和人类理解之间的“语义鸿沟”。     

源代码语义向量的表征方法研究

代码智能是自然语言处理领域的一个研究热点，而支持各种下游任务的代码表示学习是实现代码智能的第一步。理解自然语言和编程语言的语法和语义，是程序和自然语言的理解与生成任务的前提条件，这与两者的语义向量表征方法密切相关。基于此，首先介绍两类文本表示方法，其次引入代码表示的6种主流方法，最后分析ChatGPT与代码智能结合发展的前景。     

An Ontology-Based Approach to Metaphor Cognitive Computation

Language understanding is one of the most important characteristics for human beings. As a pervasive phenomenon in natural language, metaphor is not only an essential thinking approach, but also an ingredient in human conceptual system. Many of our ways of thinking and experiences are virtually represented metaphorically. With the development of the cognitive research on metaphor, it is urgent to formulate a computational model for metaphor understanding based on the cognitive mechanism, especially with the view to promoting natural language understanding. Many works have been done in pragmatics and cognitive linguistics, especially the discussions on metaphor understanding process in pragmatics and metaphor mapping representation in cognitive linguistics. In this paper, a theoretical framework for metaphor understanding based on the embodied mechanism of concept inquiry is proposed. Based on this framework, ontology is introduced as the knowledge representation method in metaphor understanding, and metaphor mapping is formulated as ontology mapping. In line with the conceptual blending theory, a revised conceptual blending framework is presented by adding a lexical ontology and context as the fifth mental space, and a metaphor mapping algorithm is proposed.     

基于自然语言理解的专家系统研究

在论述了面向自然语言文本的知识供应方法已有研究之后,提出了面向推理设计语义关系标记,将自然语言理解与推理技术相结合,使自然语言理解结果可转化为便于计算机推理的语句。立足科技文献开发语义关系树库,提出面向语义关系分析的语句相似度计算方法,实现基于统计与规则相结合的自然语言语义关系分析,使自然语言科技文献可成为专家系统知识库,解决专家系统知识库表现形式不统一及知识获取的瓶颈。     

利用智能引导和KDML增强可拓模型人机建模能力研究

为了利用计算机协助人们建立待求解问题的可拓模型,必须让计算机识别用自然语言描述的问题,而且要理解问题的含义,这是相当困难的任务。本文提出利用人机界面Agent的智能引导并结合知网（HowNet）中的知识系统描述语言（KDML）,增强计算机语义处理能力的方法。以求职问题为实践的结果说明了方法的有效性。由于KDML有较强的表示语义信息的作用,通过人机交互也能减轻计算机自然语言理解的困难。因此该方法能将自然语言描述的待求解问题的目标和条件进行分离和形式化,使计算机更有效地建立待求解问题的可拓模型。     

汉语自动分词方法

本文给出了为汉语自动分词而提出了机械匹配法，特征词库法，约束矩法，语法２分析法和理解切法。     

面向普通未登录词理解的二字词语义构词研究

把词素作为基本资源,从语义上寻找他们组合成词的规律,可以辅助自然语言理解。该文首先参照《现代汉语词典》和知网标注了二字词的词素意义,继而从意合结构、意根分布、意指方式、意变类型四个角度标注了词素间的词化意义,最后综合词素意义和词化意义,在定量统计的基础上建立了一个二字词的语义描写体系。通过对论坛及《现代汉语词典》的新词进行实验,我们发现二字词的语义构词研究在普通未登录词的理解中具有一定的应用价值。
     

怎样利用语言知识资源进行语义理解和常识推理

该文讨论怎样利用语言知识资源来帮助机器进行语义理解和常识推理。首先,指出人类生活在常识和意义世界中,人工智能机器人必须理解自然语言的意义,能够在此基础上进行常识推理。接着,简单梳理了基于知识和基于统计两种自然语言处理路线各自的优长和短缺。然后,说明完全绕开知识的统计方法和深度学习,都不能真正理解概念和语言。该文通过具体案例说明,《实词信息词典》已经配备了有关词项的语义角色关系及其句法配置信息;把这种语言知识加入知识图谱和内容计算中,可以为人工智能提供理解和解释从而造就一种可解释的人工智能。由于“物性角色”描述了名词所指事物的百科知识,可用以回答相关事物是什么(形式角色)、有哪些部件(构成角色)、用什么做的(材料)、怎么形成的(施成)、有什么用途(功用)等常识性问题。     

融合全局语义信息和结构特征的篇章功能语用识别方法

篇章分析是自然语言处理领域研究的热点和重点。相较于基于形式语法篇章分析的快速发展,篇章作为一个整体的语义单位,其功能和语义却没有引起足够的重视。该文提出一种融合全局语义信息和结构特征信息模型(FPRGS)来识别篇章的功能语用。该模型在获取篇章单元交互信息的同时融合篇章单元所在文章的全局信息,并使用门控语义网络将篇章单元的结构信息与语义信息结合,从而在语义和结构两方面获得了更加丰富的篇章单元信息。在汉语宏观篇章树库上的实验结果证明,该文提出的模型能够有效地识别篇章单元的功能语用。