基于面向对象模型的自动知识获取方法

本文提出了一个以自然语言为通讯媒介的自动知识获取系统,它不仅能理解用自然语言描述的专家知识,还能按照面向对象模型诱导人类专家系统地、结构化地描述其知识。这种诱导既降低了自然语言理解的复杂度,又为人类专家提供了自然的知识描述方式,避免了知识遗漏与散杂。面向对象模型与目标知识表示风格的统一则大大简化了知识获取过程,提高了知识获取的效率。     

自然语言处理中的逻辑词

词是自然语言处理中最基本的单位,在当今知识表示领域,知识图作为自然语言理解的语义模型有其独到之处。本文从语言学和逻辑学的角度,首次提出并探讨了逻辑词研究逻辑词分类及如何用知识图表示各类逻辑词的结构。对自然语言处理中研究复句和篇章的理解提供了一种新的途径。     

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。     

图像信息对句子语义理解与表示的有效性验证与分析

近年来,图像文本建模研究已经成为自然语言处理领域一个重要的研究方向.图像常被用于增强句子的语义理解与表示.然而也有研究人员对图像信息用于句子语义理解的必要性提出质疑,原因是文本本身就能够提供强有力的先验知识,帮助模型取得非常好的效果;甚至在不使用图像的条件下就能得出正确的答案.因此研究图像文本建模需要首先回答一个问题:图像是否有助于句子语义的理解与表示?为此,本文选择一个典型的不包含图像的自然语言语义理解任务:自然语言推理,并将图像信息引入到该任务中用于验证图像信息的有效性.由于自然语言推理任务是一个单一的自然语言任务,在数据标注过程中没有考虑图像信息,因此选择该任务能够更客观地分析出图像信息对句子语义理解与表示的影响.具体而言,本文提出一种通用的即插即用框架(general plug and play framework)用于图像信息的整合.基于该框架,本文选择目前最先进的五个自然语言推理模型,对比分析这些模型在使用图像信息前后的表现,以及使用不同图像处理模型与不同图像设置时的表现.最后,本文在一个大规模公开数据集上进行了大量实验,实验结果证实图像作为额外知识,确实有助于句子语义的理解与表示.此外,还证实了不同的图像处理模型和使用方法对整个模型的表现也会造成不同的影响.     

汉语句子语义三维表示模型

如何表示和计算汉语句子的语义一直是自然语言理解的主要目标之一.在分析现有国内外关于语义表示研究成果基础上,提出了汉语句子语义的三维表示模型,即“义面—义原—义境”模型.该模型可以使句子包含的信息更准确、更全面地表示出来,为汉语语义知识建模和语义计算的研究提供一种新的思路.     

一种基于自然语言的模式推理算法

传统的基于谓词模式推理算法，需要把自然语言表示的知识，人工转换为机器可以理解的谓词，这就需要耗费大量的人力物力。本文提出一种基于自然语言的模式推理算法，可以基于自然语言进行模式推理，不需要将自然语言表示的知识转换为谓词，从而大大节省了人力物力。实验结果表明，本算法可以基于自然语言，有效的进行模式推理。     

基于领域知识的个性化协同商务推荐系统

基于领域知识与顾客购买倾向相关联的事实,从知识表示、知识获取、系统实现三个方面研究了个性化协同商务推荐系统的实现策略。知识表示研究了自然语言的本体表示,主要包括：知识本体描述、模糊关系设计、概念关联抽象和公理修正四个部分;知识获取采用多层次领域知识获取和基于数据挖掘的智能知识获取两种方法,对知识的形式化和结构化进行了研究;基于J2EE技术创建了由客户端、服务器端、存储系统组成的协同商务推荐系统的结构模型。最后通过测试网站对系统的有效性进行了验证。     

基于人工智能技术的智能教学系统研究与设计

ITS是人工智能技术在教育中最重要的应用。进入新世纪以来,随着复杂计算、分布式认知、模式识别、知识表示、自然语言的理解、网格计算与计算机可视化等的进步,ITS面临着又一个新的快速发展期。最后给出了一个基于Web和数据挖掘技术的ITS的功能模型、结构模型及系统实现。     

基于Ontology的自然语言理解

本文分析传统意义上基于知识的自然语言理解(KB—NLU)和基于Ontolqgy的自然语言理解系统的基本模型，Ontology是概念化的描述，以及Ontology，与语言知识的结合方式的三种类型：世界知识型、词汇语义型、句法语义型。     

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。     

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。     

基于概念层次网络的知识表示与本体建模

知识表示是自然语言理解的重要基础。知识表示不统一、语义信息无法系统化利用是目前存在的亟待解决的问题。要解决这个问题,就要解决语义知识表示的问题。该文基于概念层次网络,描述了词语、句子和篇章层面的语义知识表示方法。基于文中描述的词汇层面的表示方法,构建了一个多语言本体知识库。该知识库的知识表示方法不仅可以为知识表示理论研究提供基础,还可以为自然语言处理相关领域的应用提供资源支持。     

面向法律文书的自然语言理解

法律人工智能因其高效、便捷的特点,近年来受到社会各界的广泛关注。法律文书是法律在社会生活中最常见的表现形式,应用自然语言理解方法智能地处理法律文书内容是一个重要的研究和应用方向。该文梳理与总结面向法律文书的自然语言理解技术,首先介绍了五类面向法律文书的自然语言理解任务形式: 法律文书信息提取、类案检索、司法问答、法律文书摘要和判决预测。然后,该文探讨了运用现有自然语言理解技术应对法律文书理解的主要挑战,指出需要解决好法律文书与日常生活语言之间的表述差异性、建模好法律文书中特有的推理与论辩结构,并且需要将法条、推理模式等法律知识融入自然语言理解模型。     

量词在知识图中的分类与表示

在当今知识表示领域中,知识图作为自然语言理解的语义模型有其独到之处,而在自然语言处理中普遍认为词是最基本的单位,本文从语义学和自然语言处理的角度（主要是从知识图的角度,）在对介词的逻辑词的研究之后,按照量词图的结构,对汉语中的量词进行了分类,并且按照知识量词构造,给一词图。     

IUC构建在农业专家系统中的应用

农业专家系统是现今应用效果显著的智能化农业信息处理系统,而系统的开发是其广泛推广的瓶颈问题。采用以自然语言理解为基础自动获取知识并自动构造专家系统的思想,提出了利用格语法来组织句法,通过语义网络进行知识表示的一种新的知识获取方法,解决了在构造农业专家系统中的一个关键问题:中文自然语言理解接口IUC(Interface for U nderstand ing Ch inese)。实验结果表明,该方法是可行且有效的。     

常识问答研究综述

常识问答是一项重要的自然语言理解任务, 旨在利用常识知识对自然语言问句进行自动求解, 以得到准确答案. 常识问答在虚拟助手或社交聊天机器人等领域有着广泛的应用前景, 且其蕴涵了知识挖掘与表示、语言理解与计算、答案推理和生成等关键科学问题, 因而受到工业界和学术界的广泛关注. 首先介绍常识问答领域的主要数据集; 其次, 归纳不同常识知识源在构建方式、常识来源和表现形式上的区别; 同时, 重点分析并对比前沿常识问答模型, 以及融合常识知识的特色方法. 特别地, 根据不同问答任务场景中常识知识的共性和特性, 建立包含属性、语义、因果、语境、抽象和意图6大类的知识分类体系. 以此为支撑, 针对常识知识数据集建设, 感知知识融合和预训练语言模型的协作机制, 以及在此基础上的常识知识预分类技术, 进行前瞻性的研究, 并具体报告上述模型在跨数据集迁移场景下的性能变化, 及其在常识答案推理中的潜在贡献. 总体上, 包含对现有数据和前沿技术的回顾, 也包含面向跨数据知识体系建设、技术迁移与通用化的预研内容, 借以在汇报领域技术积累的前提下, 为其理论和技术的进一步发展提供参考意见.     

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。     

基于领域的自然语言篇章理解的实现方法

介绍了一种应用于知识系统的基于领域的自然语言理解篇章理解的实现方法.该方法的核心是聚类和关联,本质上是关注概念和概念间的关联.以本体作为知识表示的方法,通过对基本概念的聚类,把底层离散的概念进行初步的集中,再通过分析底层概念间的相互关联,把整个篇章中的基本概念都联系起来,得到一个篇章层次上的本体模型.     

一个领域自然语言理解的知识获取工具的设计实现

本文介绍了一个基于知识的自然语言理解系统和系统的知识库中知识的表示模式,描述了知识库中领域过程树的知识获取过程。根据领域过程树的知识表示模式,本文设计并实现了一个知识获取工具,很好地提高了领域过程树知识获取的速度和准确度。     

隐喻理解的计算模型综述

国际上，隐喻在思维及语言中所处的中心地位正逐渐引起人工智能研究者的重视。但在国内学术界，还鲜有开展隐喻计算化这方面研究的；实际上，作为异常用法的隐喻现象是自然语言中的普遍情况，因此隐喻问题若得不到很好的解决，将成为制约自然语言理解和机器翻译的瓶颈问题。本文结合相关的隐喻理论基础，根据不同的计算路线对已有隐喻理解计算模型进行分类，包括基于语义优先方法、基于知识表示的方法、基于逻辑的方法和基于统计语料库的方法，并在分析这些方法的适用范围和优缺点的基础上，对隐喻的计算理解方法以及面向汉语的隐喻理解计算模型研究提出了展望和建议。