基于错误驱动的语义文法自动扩展学习方法研究

面向领域的自然语言理解技术是垂直搜索引擎、领域相关问答系统等应用的核心技术之一.本文在已构建的基于本体和语义文法的自然语言理解系统的基础上,提出一种基于错误驱动的语义文法自动扩展学习方法,对于解析错误的句子,利用核心文法生成部分解析树,按照打分函数选择一组最佳的部分解析树,利用预测模型预测部分解析树的上层节点并试图构建...     

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。     

连续值属性决策表中的知识获取方法

 提出了一种从连续值属性决策表中获取知识的方法KACVA(Knowledge Acquisition from decision tables containing Continuous-Valued Attributes).该方法将经典粗糙集理论对数据空间的等价划分转换为相似划分,把传统粗糙集理论中正域的表示方法扩充到连续值属性决策表中;通过计算连续值属性决策表中各条件聚类对决策类的分类能力,生成决策规则.不同数据集的实验测试结果表明:对连续值属性决策表中的知识获取,KACVA方法与传统的粗糙集相关知识获取方法及C4.5决策树分类方法相比,有更高的分类准确率.     

一种基于自举原理的语义模式自动获取方法

语义模式的自动获取是解决信息抽取系统可移植性问题的关键之一。文章提出了一种基于自举原理的语义模式自动获取方法。该方法是一种新的双循环自举机制，由内自举和外自举两部分组成。内自举借助通用的《同义词词林》扩张模式的语义范围；外自举利用模式之间的交叉项作为链接点自动寻找新模式。用于从未标注的文本中自动发现语义模式，启动时只须用户提供少量的抽取示例作为种子，运行中即可增量式地发现新语义模式。测试表明．该方法产生的语义模式在信息抽取中具有较好的准确率和召回率。     

基于语义属性的肺结节良恶性分类

现有肺结节良恶性计算机辅助诊断的依据通常为肺部CT图像的底层特征,而临床医生的诊断依据为高级语义特征.为克服这种图像底层特征和高级语义特征之间的不一致性,提出一种基于语义属性的肺结节良恶性判别方法.首先,利用阈值概率图方法提取肺结节图像;其次,一方面提取肺结节图像的形状、灰度、纹理、大小和位置等底层特征,组成样本特征集.另一方面,根据专家对肺结节属性的标注,提取结节属性集;然后,根据特征集和属性集建立属性预测模型,实现两者之间的映射;最后,利用预测的属性进行肺结节的良恶性分类.LIDC数据库上的实验结果表明所提方法具有较高的分类精度和AUC值.     

基于概念图的语义研究综述

语义分析是计算机理解自然语言的基础,是自然语言理解研究的一个突破点和出发点。从事自然语言理解研究的学者们追求的主要目标是对句子进行正确的语义分析。概念图是支持概念结构思想的一个具体的语义模型,是以图形表示的一种有向连通图。文中分析了中文信息处理中语义研究的必要性和现状,阐述了概念图在语义研究中的应用,并提出了下一步的研究方向。     

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.     

基于本体的数学知识获取与知识继承机制研究

基于本体、框架和逻辑给出了数学知识表示语言，采用了面向概念的数学知识获取方法，利用半自动的方式对数学知识进行了获取。提出了知识树的概念用于所获得的知识的管理，设计并实现了数学知识获取和管理平台。研究了数学概念知识体系结构以及概念之间的知识继承机制，并对知识继承的一致性进行了分析。在数学知识的应用方面，对基于Web的数学知识问答系统、数学智能教学系统、数学知识的多语言版本自动生成等进行了初步的探讨。     

基于语义网络的知识表示在专家系统中的实现

语义网络是专家系统中知识表示最重要的方法之一,为了使用语义网络更好地描述现实世界中的不确定性知识,定义了语义网络中结点的结构,使用六元式表示结点,并在Prolog环境下实现了初始化、增加、删除、修改六元式结点等操作,提高了用语义网络表示知识时求解问题的效率.     

基于混合属性的零样本图像分类

对于具有相似属性的类别而言,在有限维度的语义属性下,基于属性的零样本图像分类器难以对它们进行正确区分.考虑到语义属性描述类别的有限性,在直接属性预测(Direct Attribute Prediction,DAP)模型的基础上,提出一种基于混合属性的零样本图像分类模型(Hybrid Attribute-Based DAP,HA-DAP).首先,对样本的底层特征进行稀疏编码并利用编码后的非语义属性来辅助现有的语义属性;将非语义属性与语义属性构成混合属性并将其作为DAP模型的属性中间层,利用属性预测模型的思想进行混合属性分类器的训练;最后,根据预测的混合属性以及属性与类别之间的关系进行测试样本类别标签的预测.在OSR、Pub Fig以及Shoes数据集上的实验结果表明,HA-DAP的分类性能优于DAP,不仅能够取得较高的零样本图像分类精度,而且还获得了较高的AUC值.     

智能流程应用模式下基于流程语义库的需求获取

为自动生成满足用户需求的个性化流程,在给出智能流程应用模式的基础上,提出一种用户个性化需求获取新方法。对业务流程中活动进行归纳和抽象,定义一种新服务——元服务,并由元服务组成流程语义库,然后基于流程语义库,提出一种用户需求获取算法,帮助用户快速准确地输入需求信息。理论分析和应用表明：算法提高了用户需求获取的准确程度和效率。     

基于关系模型的语义网络知识表示研究

关系数据库理论基础坚实、技术成熟、产品丰富,多年来一直是存储和处理大数据量的研究和应用首选。如何在关系数据库强大的存储和处理能力基础上建立知识库,一直是知识工程和智能系统研究与应用人员重点研究的内容,也是知识管理走向应用的技术瓶颈。文中提出了语义网络的关系模型,并用实例论述了语义网络知识的关系数据表的存储。     

基于OWL属性特征的语义检索研究

在文献检索中.概念的语义相似度计算直接影响查准率和查全率指标.将本体描述语言OWL(Web Ontology Language)的属性特征有机结合到语义检索模型中,设计本体内实体闻匹配度算法,度量概念的相似度,并对检索指标参数化.设计的原型系统实验表明,通过参数化可以有效调节检索的性能指标,定制用户的检索.     

Perceptual synoptic view of pixel,object and semantic based attributes of video

For a scene, what are the object and semantic based attributes, other than the pixel based attributes, and how do they affect our attentional selection are some of the questions we need to address. We studied the effects of various attributes on our attentional perspective. We described a new saliency prediction model that accounts for different pixel-level attributes as color, contrast and intensity; object level attributes such as size, shape of objects and semantic level attributes as motion and speed of objects. We quantified these attributes based on motion contrast, motion energy and motion chromism. With this in view, we examined the problem of information prioritizing and filtering with emphasis on directing this exercise using object and semantic based attributes of the human attention model. We have evaluated proposed approach on different types of videos for their quantitative and qualitative comparison. The promising results create a gateway for synopsis view.     

基于深度学习的语法纠错算法建模研究

基于基础seq2seq深度学习算法在语法纠错准确率和召回率方面存在的不足,提出了融合Attention机制和Transformer模块的改进型seq2seq语法纠错算法。通过引入Attention机制来记录decoder端和encoder端语言信息,提升信息完整性,采用beam-search和copy机制进行启发式搜索,缓解解空间对机器内存的消耗,利用Transformer模块进行自注意力机制的特征抽取,实现了语句向量数据的扩充并得到可解析上下文纠错。最后选择合适的语料库,对不同的语法纠错算法的准确率、召唤率和F 0.5数据语法纠错效果评价指标进行了比较,结果表明了文中改进的算法模型的有效性,提高了语法纠错的准确率和召回率。     

基于弱化语法规则的英文机器翻译的优化研究

针对传统英文机器翻译过于依赖专家总结,而对弱化规则下英文翻译误差大的缺点,提出一种基于弱化语法规则的英文机器翻译优化算法。该算法对英文的语法规则进行分析,再对语义进行高斯边缘化获取其矩形窗函数,得到窗口特征向量,投影语义信息熵数据,并将语义关联因素加入到文本的信息熵与信息增益中去,从而得到语义非线性谱特征。最终实现特征识别,解决了传统英文机器翻译误差大的问题。最后对提出的算法进行仿真验证,结果表明使用该算法可以得到较好的英文翻译效果,从而证明了该算法的发展空间较好。     

基于语义分析的倾向性文本过滤

采用基于统计的文本过滤技术对具有倾向性的文本进行过滤的效果并不理想,原因在于基于统计的方法忽略了文本中的语义约束,无法有效识别倾向性信息。本文提出一种基于语义分析的文本过滤技术,将文本中的语义关系加以考虑,能高效地识别和过滤倾向性文本信息。     

Words semantic orientation classification based on HowNet

Based on the text orientation classification, a new measurement approach to semantic orientation of words was proposed. According to the integrated and detailed definition of words in HowNet, seed sets including the words with intense orientations were built up. The orientation similarity between the seed words and the given word was then calculated using the sentiment weight priority to recognize the semantic orientation of common words. Finally, the words' semantic orientation and the context were combined to recognize the given words' orientation. The experiments show that the measurement approach achieves better results for common words' orientation classification and contributes particularly to the text orientation classification of large granularities.     

基于知网的词语语义相关度计算

现有的词语语义相关度算法大多单纯依赖于语义相似度算法,没有充分利用词语间的语义关系,导致其存在局限.在充分挖掘词语间的隐含语义关系基础上,将语义关系应用于语义关联度的计算,最终将语义相似度以及语义关联度结合起来,提出了语义相关度算法.实验结果表明,使用该计算方法得出的语义相关度更加合理,符合人的直观感觉.     

基于OpenGL的等值线图填充算法

提出了一种效率较高的等值线图扫描转换色彩填充算法.先求出扫描线与各等值线的交点,然后给出一系列判据确定各交点之间的颜色,利用OpenGL绘图功能实现等值线图的填充.该方法易于编程实现,适用于任何形状的等值线图,通用性强.