语义特征建模系统中布尔算法的研究

为了提高语义特征建模系统中布尔操作的运行效率,提出了一种基于语义表示法的布尔操作算法.该算法用语义表示法表示特征模型,用细胞元模型组织和管理特征元素,用语义面替代几何面来提高特征的交互检测效率,通过细胞分裂和语义面分解来生成新实体.该算法不仅可以快速准确地生成布尔实体,还可以避免几何面的丢失及“孔洞”等错误的发生.实验证明,该算法具有广泛的使用前景和实用价值.     

协同语义特征建模技术研究

为了提高协同语义建模系统的性能,提出了一种新的协同设计方法,亦即使用特征语义表示法和细胞元模型来表示数据和管理模型中的各种数据和信息,然后通过语义匹配的方法来确定子模型间的逻辑和装配关系,通过语义区域划分、"最值空间"等技术来检测和消解协同设计中发生的操作冲突,最后通过创建临时模型来降低全局约束求解的复杂度。这种方法不仅能够完全实现协同语义特征建模的需要,还可以大大提高协同设计的效率。实验表明,该算法具有更强的适应性和实用性。     

基于特征语义的模型表示法研究

为了更好地适应语义特征建模系统的需要,使CAD/CAID系统能够在特征中封装更多更复杂的语义,提高传统特征建模系统的效率,提出了一种基于特征语义的模型表示法。这种表示法通过特征语义来构建特征外形的各个表面,用细胞元模型来管理特征的各种元素,采用“面的完整性验证”代替传统的约束求解来验证用户操作的有效性。因此这种表示法不仅可以有效地表示产品模型的复杂语义,还可以大大提高语义特征建模系统的性能。实验表明,这种表示法有更强的实用性和适应性。     

语义特征建模系统中操作局部化的研究

为了提高语义特征建模系统约束求解的效率及系统的整体性能,提出了一种新的操作局部化方法。该方法使用特征语义表示法来描述产品模型中特征的各种信息,改进了细胞元模型对特征元素的管理机制,通过特征的“语义面”将局部特征从模型中有效地分离出来,通过创建临时特征的方法来实现模型的局部约束求解。该策略不仅可以完全满足在复杂模型中直接操作的需要,还可以大大提高系统的性能。实验表明该算法具有更强的适应性和实用性。     

语义特征建模系统中参数范围计算的研究

在语义特征CAD系统中,特征参数的确定是一个十分耗时且需要反复实验和调整的过程。为了在创建特征的同时能够迅速为设计者给出特征参数值的适当范围,提出了一种改进的方法。该方法使用特征语义表示法来描述产品特征的各种信息,简化了“细胞元”模型管理特征的各个面的策略,通过提取每个特征面的语义并计算特征面的语义约束条件,最终确定特征参数的精确范围。该算法不仅可以有效提高确定参数范围的速度和精确度,还可以大大提高语义特征CAD系统的性能。实验表明该算法具有更强的适应性和实用性。     

基于广义内容概率潜在语义分析模型的推荐

针对推荐系统中存在新项目及准确性难以把握等问题,提出一种基于广义内容概率潜在语义模型的推荐方法。该方法以概率潜在语义模型为基础,引入两组潜在变量及项目特征来建立广义内容概率潜在语义模型。该模型中两组潜在变量分别表示用户群体和项目群体,项目特征根据实际情况以特征词的形式进行表示,且通过不对称学习算法完成未知参数的训练及预测。利用三个不同的数据集对所提方法进行实验验证,结果表明该方法具有良好的项目推荐品质。     

创新推理中的物元网络表示法

如何进行恰当地功能表示与创新推理是当前概念设计中的关键问题。融合语义网络法与物元表示法,提出物元网络的概念,在此基础上给出了物元网络表示法及其创新推理机制。通过与物元表示法、语义网络法的实验对比表明：物元网络法能更有效地进行功能表示、扩充与联想,从而更加有利于创新推理的开展。     

基于重复模式的Web信息语义表示方法的研究

根据Web页面中出现的重复信息对Web页所体现的语义进行表示,可以提高Web页分类正确的精度.基于这一思想,本文通过对传统重复模式表示法的分析,提出基于重复模式的Web信息语义表示法.该方法在形式化描述重复模式的基础上,抽取Web信息中的重复模式建立表达Web信息语义特征的相关矩阵,并通过γ相似匹配算法计算重复模式的权重继而进行Web信息分类.实验证明,采用基于重复模式的Web信息语义表示法能够较好的体现Web网页信息的主题特征,可以提高Web信息分类的准确率.     

语义特征造型系统中特征模型转换的研究

通过对新一代的语义特征模型的分析,参考Bidarra等人的研究成果,运用有效性标准,确立语义特征造型中特征转换的方法,在采用数学方法基础上,提出了怎样在数学模型中把设计特征表示转换成加工特征表示。设计过程中的设计特征由一组具有几何特征的面和一组属性（包括维数和具体特征）表示。加工过程中的加工特征由许多面和这些加工操作中面面之间有意义的关系来表示。特征转换中采用数学方法,能够在集合运算中形成加工特征,特征相交这种困难问题也可用数学描述,并且理论上能够转换,从而提高产品模型的可编辑性和易编辑性。     

视觉特征对比解耦的广义零样本学习

广义零样本学习通常利用在ImageNet上预训练的深度模型来提取相应的视觉特征,然而预训练模型提取到的视觉特征不可避免地包含和语义无关的信息,这将导致语义—视觉对齐的偏差以及对不可见类的负迁移,从而影响分类结果。为解决上述问题,提出了视觉特征对比解耦的广义零样本学习模型(visual feature contrast decoupling for generalized zero-shot learning, VFCD-GZSL),通过解耦出视觉特征中的语义相关表示来降低冗余信息对分类结果的影响。具体来说,首先用条件变分自编码器生成不可见类的视觉特征。然后通过解耦模块将视觉特征解耦语义相关和语义无关的潜层表示,同时添加总相关惩罚和对比损失来鼓励两者间的相互独立,并用语义关系匹配模型衡量其语义一致性,从而指导模型学习语义相关表示。最后使用特征细化模块细化后的特征和语义相关表示联合学习一个广义零样本学习分类器。在四个数据集上的实验均取得较优的结果,证实了所提方法的有效性。     

Conceptual feature generation for textual information using a conceptual network constructed from Wikipedia

A proper semantic representation of textual information underlies many natural language processing tasks. In this paper, a novel semantic annotator is presented to generate conceptual features for text documents. A comprehensive conceptual network is automatically constructed with the aid of Wikipedia that has been represented as a Markov chain. Furthermore, semantic annotator gets a fragment of natural language text and initiates a random walk to generate conceptual features that represent topical semantic of the input text. The generated conceptual features are applicable to many natural language processing tasks where the input is textual information and the output is a decision based on its context. Consequently, the effectiveness of the generated features is evaluated in the task of document clustering and classification. Empirical results demonstrate that representing text using conceptual features and considering the relations between concepts can significantly improve not only the bag of words representation but also other state‐of‐the‐art approaches.     

融合词语统计特征和语义信息的文本分类方法研究

为了更好地表示文本语义信息,提高文本分类准确率,改进了特征权重计算方法,并融合特征向量与语义向量进行文本表示.首先基于文本复杂网络实现文本特征提取,接着利用网络节点统计特征改进TF-IDF得到特征向量,再基于LSTM抽取语义向量,最后将特征向量与语义向量相融合,使新的文本表示向量信息区分度更高.以网络新闻数据为实验对象的实验结果表明,改进特征权重计算方法,在特征向量中引入了语义和结构信息,并融合特征向量和语义向量,能进一步丰富文本信息,改善文本分类效果.     

基于语义特征抽取的文本聚类研究

基于向量空间模型(VSM)的文本聚类会出现向量维度过高以及缺乏语义信息的问题,导致聚类效果出现偏差。为解决以上问题,引入《知网》作为语义词典,并改进词语相似度算法的不足。利用改进的词语语义相似度算法对文本特征进行语义压缩,使所有特征词都是主题相关的,利用调整后的TF-IDF算法对特征项进行加权,完成文本特征抽取,降低文本表示模型的维度。在聚类中,将同一类的文本划分为同一个簇,利用簇中所有文本的特征词完成簇的语义特征抽取,簇的表示模型和文本的表示模型有着相同的形式。通过计算簇之间的语义相似度,将相似度大于阈值的簇合并,更新簇的特征,直到算法结束。通过实验验证,与基于K-Means和VSM的聚类算法相比,文中算法大幅降低了向量维度,聚类效果也有明显提升。     

基于概念图的汉语语义计算的研究与实现

中文信息处理的发展迫切需要加强汉语语义理论的研究,尤其是汉语语义表示形式和语义计算的研究。针对目前汉语语义计算方法的计算结果并不准确的问题,提出了一种基于概念图的汉语语义计算方法。该方法以“知网”为语义知识资源,以概念图为知识表示方法,把自然语言文本转化为概念图,通过概念图的匹配实现语义计算,以改善语义计算的效果。实验结果表明该方法对汉语语义计算是有效的。     

基于设计特征的概念设计解产生及其评价

将设计特征引入概念设计阶段,对概念设计阶段设计特征的内涵进行了界定。按功能抽象方式给出了设计特征编码系统的一种组成,以此建立设计特征库。随后给出了基于设计特征的概念设计方案生成方法及方案评价方法,并用实例验证了方法的有效性。     

视频语义分析运动特征表征与抽取技术研究

视频运动特征蕴含丰富的语义信息,运动特征的简洁表征方式和高效抽取方法研究是视频语义分析的关键技术之一。针对视频语义分析的特点,将运动特征分为3类,分别对各类运动特征进行表征和抽取。相关抽取实验证明此方法可有效抽取语义分析所需的运动特征,同时在运动特征抽取的基础上实现了基于运动的视频语义分析原型系统。