面向ScholarSpace知识库的关键词查询方法

知识库中存储着大量关于真实世界中的实体信息及实体之间的关系,随着规模的不断增长,其应用也愈发广泛。另一方面,由于大量互联网用户通过关键词描述问题和查询意图,因此如何让知识库具备更好的关键词查询应答能力,成为了研究的热点。从中文知识库的构建入手,提出了一套完整的面向中文限定领域知识库的关键词检索框架,实现并改进了基于模板的关键词查询转换方法,提出了基于语义的知识库释义和实体索引方法,提高了关键词映射能力。同时在SPARQL转换过程中采用了缺失关系索引,提高了转换成功率,提升了能够处理的查询数量。同时在学术空间ScholarSpace上对该框架进行了系统实现,取得了良好的应用效果。     

基于属性模式的实体识别框架

很多领域都面临实体识别问题,但现有解决框架缺乏通用性。提出了一种基于属性模式的领域无关的实体识别框架。属性的模式代表属性与实体的一种关系,将模式分为四种类型分别处理,针对类型特点提出了更为通用的相似度计算方法。系统根据模式类型决定相似度计算策略,使系统具有更强的扩展性。该框架可以有效综合利用各类属性的特点进行实体识别,结果优于一般的基于属性特征或基于实体关系的方法。     

基于二元矩阵的启发式属性约简算法

本文将基于分辨矩阵的二元矩阵和基于属性重要度的启发式属性约简算法结合起来,提出了一种新颖的针对不完备信息系统的属性约简算法。该算法用条件属性和决策属性之间的依赖度来度量属性重要度,进行启发式约简。该算法将属性约简问题转化为寻找能够覆盖决策属性的二元矩阵的二元矩阵集合问题。通过实例检验,该算法是有效的。     

基于改进海明距离的二元表示聚类研究

文中提出了一种二元表示聚类方法。首先,将要研究的实体以属性串的方式表达,并通过二元树转化为二进制串。其次,采用改进的海明距离代替欧氏距离计算二进制串之间的相似度。该方法通过属性加权,使计算结果更加贴近现实,并将实体以‘01’编码方式表示,简化了计算,提升了运算效率。最后,选取1796家上市公司的73个财务指标进行实验,结果表明,该方法对海量数据的处理表现良好。     

InsunKBQA:一个基于知识库的问答系统

针对大规模知识库问答的特点,构建了1个包含3个主要步骤的问答系统:问句中的命名实体识别、问句与属性的映射和答案选择.使用基于别名词典的排序方法进行命名实体识别,使用结合注意力机制的双向LSTM进行属性映射,最后综合前2步的结果从知识库中选择答案.该系统在NLPCC-ICCPOL 2016 KBQA任务提供的测试数据集上的平均F1值为0.8097,接近已发表的最好水平.     

基于对象模型的数据库设计方法

对象模型是软件系统分析结果中的一部分,数据库设计是系统设计的一个重要步骤。描述了以对象模型为依据借助PowerDesigner工具进行数据库设计的一种方法。在进行数据库设计的过程中,通过将对象、对象的成员以及对象间关系映射到实体、实体的属性以及实体间关系的方式进行了数据库设计,实现了系统分析与数据库设计在面向对象体系上的一致。     

基于双词主题模型的半监督实体消歧方法研究

针对实体上下文信息主题漂移的问题,提出一种基于双词主题模型的实体消歧方法.方法考虑到实体在一定语义环境下具有不同的主题,且在同一文档中同时出现的其他实体在一定程度上能够帮助待消歧实体确定所指代内容,利用命名实体构建双词的思想,将协同实体关系融合到主题模型中,并在此基础上利用维基百科知识库,进行半监督消歧.本文最后在网络文本数据上进行了相关的实验,验证了所提算法的有效性.实验表明该方法有效的提高了实体消歧精度.     

基于Boot Strapping的中文实体关系自动生成

针对中文信息抽取系统中建立提取事件模板的难点问题，基于Bootstrapping思想。提出一种简单、可行的实体关系自动生成方法，利用由种子词和种子模板组成的知识库建立学习器，采用标量聚类的方法，通过种子模板抽取更多的与种子词相似语义关系的特征词。在此基础上，利用最近邻居的原则。进而生成更多的抽取模板。丰富了知识库，为分析二元实体关系奠定基础，使得生成复杂的消息模板成为可能，同时极大地减轻手工建立模板的复杂度．有利于系统进行移植。     

本体知识库的自然语言查询重写研究

为了让普通用户也能利用本体知识库来解决问题,提升本体知识库检索的灵活性和改进查询效率,结合本体知识库固有的特征,给出了查询系统的框架和处理过程,并对系统中关键的技术和算法进行描述,提出了基于WordNet的本体词汇扩展和查询三元组映射算法,通过实验,验证了该方法的有效性.     

互联网动态地址命名与解析服务

命名解析机制作为互联网的核心组件，其固化的静态设计以及可扩展性的缺失是导致体系结构陷入僵化的主要原因.针对网络核心层面的创新困境，提出了一种动态的命名与解析服务，允许按需设计、构建和部署多样的地址策略，灵活支撑顶层业务需求.基于xml的通用地址描述规范通过精心抽象的元素属性以及灵活的组合方式，提供了对异构命名模型的统一表达和解释能力；动态解析服务基于预先配置的对象绑定拓扑，支持新型命名空间、协议实体以及解析机制的透明引入.试验表明，通用命名与解析服务具备良好的可扩展性和时间性能，相比传统互联网地址系统，能够赋予网络核心层面的演进能力，从而为体系结构维度的创新提供良好支撑.     

建设电信IT服务知识库体系的探讨

首先对电信IT系统建设运维面临的问题进行了思考,提出了建设IT知识库的重要性,并对知识库建设的核心问题进行了描述。最后,对IT知识库的建设框架等关键问题进行了全面详细的探讨。     

多维信号星座的多级编码Ⅱ

本文通过两个实例描述了基于多维信号星座的多级网格编码调制方式的设计方法,并详细讨论了格分割链和星座的构造以及二元卷积码的选择等有关问题。     

基于本体的HACCP体系知识获取与知识表示

本文借助本体编辑工具Protege,研究了基于本体的知识获取与知识表示,将HACCP体系知识转化为该领域本体,用RDF／OWI．的形式进行描述,并对其概念,属性关系以及工作流程进行表示,构建了一个HACCP本体知识库为领域知识服务、自然语言处理．案例推理提供技术支持和智能基础。     

基于敏感属性熵的微聚集算法

在聚类过程中,不合适的距离度量会导致匿名过程中不必要的信息损失,因此对于不同类型的属性定义一个适当的距离度量一直是个难以解决的问题.本文提出语义属性的概念,并提出编码层次树来表示语义属性,有效地降低了匿名过程中的信息损失.在p-敏感k-匿名模型中,敏感属性值在聚类结果中分布不均匀会导致敏感信息泄露,因此本文提出一种基于敏感属性熵的微聚集算法,并提出匿名保护指数来描述隐私保护程度,在聚类过程中通过保证匿名保护指数最大,来提高敏感属性在聚类结果中分布的均匀程度,以应对背景知识攻击,降低隐私泄漏的风险.最后,通过实验验证了算法的合理性和有效性.     

基于Web的数学信息表示研究

综述了基于Web的数学信息表示的已有方法,并提出了基于SVG的数学信息描述模型解决Web数学信息表示问题.该模型采用面向对象的方法来描述,主要包括类结构、图元描述模型和文档解析模型.     

一种基于实体描述和知识向量相似度的跨语言实体对齐模型

跨语言实体对齐旨在找到不同语言知识图谱中指向现实世界同一事物的实体.传统的跨语言实体对齐方法通常仅依靠知识图谱内部的结构信息,但实际上一些知识图谱提供的实体描述信息也可以被利用.本文提出了一种结合知识图谱的内部结构和实体描述信息共同进行跨语言实体对齐的模型.该模型首先通过训练基于知识图谱结构信息的知识向量找到可能被对齐的实体对,再结合实体描述信息利用改进后的共享参数模型选出最终的对齐实体,最后通过迭代对齐的方法重复前两个步骤找到更多的对齐实体直到训练结束.实验结果表明,与基准算法相比,本文所提模型在跨语言实体对齐任务上可以取得相对不错的结果.     

整合分级的角色访问控制系统的研究与设计

基于角色的访问控制是当前先进的安全管理方法,考虑到该方法在描述资源访问属性时的不足,本文提出了把分级思想整合到基于角色的访问控制当中,使用分级服务来描述所保护资源的权限属性,并探讨了整个系统的方案设计,以及该设计方案的特点。     

G2S:基于语义块的知识图谱问答语义解析

问题意图理解是知识图谱问答的主要任务之一,语义解析是当前理解问题意图的主流方法.其主要挑战是如何充分利用知识图谱上下文理解问句中的隐含实体或关系,以及时间、排序和聚合等复杂约束条件等意图.为了应对这些挑战,本文提出了一种基于语义块的知识图谱问答语义解析框架——Graph-to-Segment,框架中的语义解析模型结合了基于规则的准确度和基于深度学习的覆盖度,实现了问题到语义块序列的解析和语义查询图的构造.框架将问题意图使用基于语义块的语义查询图表示,将问题的语义解析建模为语义块序列生成任务,采用编码器-解码器神经网络模型实现问题到语义块序列的解析,然后通过语义块组装形成语义查询图.同时,结合知识图谱中的上下文信息,模型使用图神经网络学习问题的表示,改进隐含实体或关系的语义解析效果.在两个知识图谱问答数据集上的实验表明,模型性能达到了良好的效果.     

基于网络挖掘的实体关系元组自动获取

二元实体关系元组可以应用到知识库构建,数据挖掘,模式抽取等多个领域.本文利用特定关系的一个元组和一个关键词作为种子,结合多种自然语言处理底层技术,采取改进的模式获取方法和自举迭代策略,提出了一种新的从Web上抽取实体关系元组的方法.基准方法的平均准确率达到了78.12%,采用过滤措施后抽取方法的平均准确率达到了98.42%.实验结果表明,利用网络挖掘方法获取的实体关系元组能够很好满足信息抽取的应用,对抽取出的元组进一步处理,能够获取更多有价值的信息.