面向考古的形式领域本体及其在知识获取和分析中的应用

随着计算机和互联网的迅猛发展和广泛应用，知识内在的异质性和分布性已经严重地阻碍了知识在多主体和软件实体之间的共享和重用，而形式本体已被认为是很有前途的解决方法。作为一门专业领域知识，考古学知识是人类知识的重要组成部分，在自然语言处理、知识系统、信息检索、信息提取和智能教学等知识密集型应用中是必不可少的。     

基于领域本体的中医知识获取方法

中医知识获取是计算机自动实现知识管理、知识重组的前提。中医领域存在大量非结构化知识,难以被深入获取。该文提出一种基于领域本体的知识获取方法,对选取的单一医案中蕴含的知识进行形式化表示,构造中医领域的语义网络,对其进行定量分析,抽取中医领域的概念语义场。实验结果表明,该方法可在一定程度实现中医领域的知识获取。     

基于本体的领域知识表示和获取

本体的方法是新的知识表示的有效手段。文章讨论分析了利用RDR和FCA对领域知识表示和获取,以及在此基础上的本体的构建方法。探讨了在这种机制下如何实现对领域信息的抽取。     

基于LDA的领域本体概念获取方法研究

针对民航突发事件应急管理领域本体的自动更新问题,提出了基于LDA的领域本体概念获取方法。以文本信息作为数据源,采用NLPIR自适应分词与过滤方法获取候选术语集,设计了领域本体的LDA主题模型,通过吉布斯采样进行LDA模型训练与主题推断,实现了领域本体核心概念的相关术语提取;基于LDA主题概率分布研究了语义关系识别规则的构建方法,给出了概念及其相关术语语义关系的识别与实现过程。实验效果表明,该方法可以有效解决大规模领域本体概念的自动更新问题,为大数据环境下民航突发事件跨媒体信息的共享与推理提供了良好的数据支持。     

基于领域本体网络模型的知识获取技术

知识获取一直是人工智能的瓶颈,如何有效地从文本中提取知识是知识工程所关注的问题。该文提出并构建了领域本体网络模型,将其用于中医领域文本的知识获取,分析了领域本体的数据结构、本体概念的实例化以及语义场的结构与组织方法。基于中文信息处理技术,提出了获取文本知识的框架,实现了原型系统,并用于中医医案知识的获取,取得了较好的效果。     

基于领域本体的文本分类方法

基于本体的文本分类方法未考虑本体概念自身所含有的信息量及忽略本体推理功能。为此,以旅游领域为背景,提出一种基于领域本体的文本分类方法。该方法采用本体自身结构作为分类标准,通过计算特征项和本体概念间的语义关联度及结合本体的推理功能,将文本划分到合适的本体概念下作为概念的实例。实验结果证明,与传统方法相比,该方法的分类方法F1值至少提高8.7%。     

一个基于本体主题的中文知识获取方法

中文语言自身的特点决定了从中文自然语言文档中获取知识是非常困难的。尽管目前对中文的命名实体识别(简称为NER)已经取得了较好的效果,但是如果不借助同义词表或者类似WordNet的中文语言知识库,几乎无法正确地抽取已经识别出的实体之间的关系。文章提出了一个基于本体主题的思想进行中文知识获取的方法,该方法首次将主题思想引入领域本体,由领域专家对原始的领域本体中的概念和属性按照主题进行划分,建立起概念到主题、主题到属性的关联关系。在对一句话进行知识抽取时,通过简单的NER和直接与本体映射的方法可以识别出一句话中的部分概念、个体和属性,利用这些准确识别出的信息可以判定该句话所属的主题;该主题则进一步提供了寻找关系的线索。初步的实验结果表明与没有利用主题信息的方法相比,该方法可以取得更好的召回率和准确率。     

基于文本分析的知识获取系统设计与实现

知识获取一直以来都是构建专家系统的瓶颈问题.针对该问题,利用自然语言处理技术,设计并实现一个针对化学科技文献进行分析的知识获取系统,并对其关键技术进行分析.系统对输入文本进行分词及词性标注,在此基础上,使用Tregex在句法分析树上进行实体识别,同时利用依存关系进行搭配词识别.实验结果表明了该系统的有效性.     

基于本体的市场准入知识获取技术的研究与实现

随着本体论的研究和应用在计算机领域的发展,这一理论的成果在信息服务平台建设方面也得到了应用与推广。本文首先介绍本体相关理论的知识获取、检索技术为出发点,利用Java语言的跨平台性和可移植性特点及J2EE构件化开发技术,结合知识管理与工作流技术的理念,提出了一种集成企业平台知识获取应用模型以及市场准入领域本体的关联模型,并在项目中予以应用。     

基于SELD描述语言的英文科技文本知识自动获取

知识获取一直是智能系统的瓶颈问题.本文将介绍我们设计的一种英文科技文献描述语言--SELD以及基于SELD的文本知识自动获取技术.SELD是一种与科技英语十分相近的类自然语言,英文科技资料经SELD语言稍加改写后,基于SELD的知识获取系统SELKAS便可以自动对其进行编译、知识提取和整理,形成领域知识库.SELKAS可作为智能系统建造过程中的知识自动获取工具.     

从文本中获取植物知识方法的研究

知识获取一直是人工智能中的一个关键问题.当前,知识的文本挖掘（KAT）已经成为计算机领域的一个重要的研究课题.本文中,给出了基于植物本体的从海量网页文本库中自动获取植物领域知识的方法.该方法包括两个部分,一是植物本体（Botanical Ontology）,它是顾芳博士等建立的生物本体的扩展.第二部分是以植物本体为基础,在网络文本库中进行文本挖掘（Text Mining）,自动获取植物知识.实验证明,基于本体的文本挖掘是一种有效的知识获取方法.     

农业智能系统的知识获取技术研究

作者及其团队长期针对农业领域的知识获取技术进行了系列性研究.阐述了运用智能引导、机器学习、数据挖掘、智能计算等技术的人工和自动/半自动的知识获取方法.这些方法能够有效地获取领域知识,发现隐含模式,进行知识精化.研发了知识获取工具.这些方法和工具反映了知识获取技术对农业信息工程所起的重要作用.     

基于虚拟样机的故障知识获取研究

文章利用CATIA软件对某型导弹发射装置发射台建模并利用工程分析模块Analysis＆Simulation进行有限元分析,获得导弹发射装置在载荷变化情况下的可视化资料,获取载荷一故障之间的对应关系,建立智能诊断专家系统知识库,为解决机电设备故障诊断专家系统知识获取的“瓶颈”问题提供了一个新的思路。     

医学专家系统中知识表示、获取和推理的两种方法

文章提出使用模糊数学的方法和基于规则的神经网络的方法来构造一个呼吸道疾病方面的专家系统,包括知识的表示、获取和推理。对模糊数学方法,用模糊集来表示所考虑的症状与所有可能的疾病。医学知识存储在症状与疾病的模糊关系上。推理时使用模糊关系合成的方法。对基于规则的神经网络方法,从规则集中自动构造网络的结构,确定隐层节点数和连接权值。用并行的方法进行推理。     

基于模拟退火算法的知识获取方法的研究

从优化角度提出了从事例中获取知识的机器学习方法。该方法利用模拟退火算法,按照预定的优化目标,从事例中生成最优的产生式规则,给出其算法,并以旋转机械故障诊断知识获取为例,阐述了基于模拟退火算法的知识获取机制及其实现方法。     

一种多通道多功能数据采集系统的设计与实现

为解决航空发动机试验中采用多种仪器采集多种信号数据引起测试系统成本和复杂度增加的问题,设计了一种利用单一硬件资源进行多种模拟信号采集的多通道多功能数据采集系统。系统通过电子开关矩阵和独特的切换策略实现4种信号采集的功能,克服了现有通用数据采集系统大多只能采集一种或少数几种类型数据的缺点。利用状态机任务调度实现校准、配置和通信等功能,采用通道隔离技术,实现每个通道信号全隔离,提高系统的抗干扰性。通过校准实验结果和现场应用可知,系统能够采集电压、电流、热电阻、热电偶等信号,电压电流精度可达±0.05%,Pt1000和K型热电偶精度可达±1 ℃。系统的性能指标满足发动机试验要求,且有效地降低了成本,减小了现场布线复杂度和劳动强度,在航空发动机试验的稳态电参数测量中具有一定的工程应用价值。     

文本驱动的面部表情合成系统的设计与实现

本文设计并实现了文本驱动的面部表情合成系统。本系统可以应用于聋哑人辅助教学。     

TML：一种通用高效的文本挖掘语言

实现了一种通用高效的文本挖掘编程语言,包括其编译器、运行虚拟机和图形开发环境。其工作方式是用户通过编写该语言的代码以定制抽取目标和抽取手段,然后将用户代码编译成字节码并进行优化,再将其与输入文本语义结构做匹配。该语言具有如下特点：1）提供了一种描述文本挖掘的范围、目标和手段的形式化方法,从而能通过编写该语言的代码来在不同应用领域做声明式文本挖掘;2）运行虚拟机以信息抽取技术为核心,高效地实现了多种常用文本挖掘技术,并将其组成一个文本分析流水线;3）通过一系列编译优化技术使得大量匹配指令能够充分并发执行,从而解决了该语言在处理海量规则和海量数据上的执行效率问题。实用案例说明了TML语言的描述能力以及它的实际应用情况。