基于特征增强的开放域知识库问答系统

实体消歧和谓词匹配是中文知识库问答系统（CKBQA）中的两个核心任务。针对开放域知识库中实体和谓词数量巨大,且中文问句与知识库知识在表现形式上存在差异的问题,提出一种基于特征增强的BERT的流水线式问答系统（BERT-CKBQA）,改进了上述两个子任务。采用BERT-CRF模型识别问句中提及的实体,得到候选实体集合。将问题和拼接谓词特征的候选实体输入BERT-CNN模型进行实体消歧。根据实体生成候选谓词集合,提出通过注意力机制引入答案实体谓词特征的BERT-BiLSTM-CNN模型进行谓词匹配。结合实体和谓词的得分确定查询路径来检索最终答案。该方法设计了一个中文简单问题的开放域知识库问答系统,引入预训练模型与谓词特征增强子任务特征以提升其性能,并在NLPCC-ICCPOL-2016KBQA 数据集上取得了88.75%的平均F1值,提高了系统的回答准确率。     

基于谓词式覆盖技术的发布/订购机制及算法研究

基于内容路由的发布/订购(Pub/Sub)技术具有异步、松散耦合和多对多通信等特点,使得能更好地应用于大规模分布式交互系统.而高效率的匹配算法、路由算法及较低的订购维护成本(规模)是实现基于内容路由的大规模Pub/Sub系统所要解决的关键问题.提出了谓词式关系(二叉树)的概念,在此基础上提出并实现了基于谓词式覆盖技术的订购算法、退订算法及启发式匹配算法(合称PRBT-*算法).通过将谓词式覆盖技术同选择性订购转发策略相结合,在提高事件匹配效率及路由效率的同时,显著降低了各级内容路由器订购规模.理论分析及大量实验对比表明,谓词式覆盖技术的引入,在降低各级内容路由器订购规模及提高算法效率和系统整体性能方面获得了良好的效果.     

一种基于谓词覆盖技术的启发式事件匹配算法

基于内容路由的发布/订购(Pub/Sub)技术具有异步、松散耦合和多对多通信等特点,使得它能更好地应用于大规模分布式交互系统.而高效率的发布事件匹配算法是实现基于内容路由的大规模Pub/Sub系统所要解决的关键问题.针对基于内容的发布/订购模型主要性能的事件匹配问题做了重点研究,提出了谓词关系(二叉树)的概念.并在此基础上,通过将谓词覆盖技术同启发式匹配策略相结合,设计并实现了启发式发布事件匹配算法--PRBT-Match算法.实验结果表明,PRBT-Match算法相对于其他常用匹配算法有更好的匹配性能.     

XSIEQ-一种立即计算的XML流查询系统

XSIEQ是一种立即计算谓词并即时输出的XML流查询系统．它利用前缀共享的方法由多个XPath式构造一个NFA，并对NFA状态进行分类和添加索引．使得在运行时能快速确定谓词计算和数据缓存等的时机，XSIEQ还提供在运行时惰性地构造DFA进行查询．陈述了XSIEQ的查询机制以及多重匹配问题的解决方案，最后给出了XSIEQ的两种自动机和YFilter的查询性能对比及分析．     

空间查询优化

空间查询优化是空间应用的突破点,由于现有的关系优化不能适应空间数据的查询,因此空间系统必须具有自己的代价模型和优化器,为此,给出了一个空间查询优化的系统方案FQPro,并在对空间查询优化的几个阶段做了一般性探讨后,将重点放在代价模型、谓词代价计算和优化方案的代价计算上,尤其对基于R－树的低代价模型给予了详细介绍,另外,参照关系优化器,FQPro还定义了一套谓词代价公式和谓词选择性公式,并在此基础上定义了查询方案代价计算公式和算法。文章最后指出,代价模型和可扩展的体系机构是空间查询优化系统的发展方向。     

一种面向空间数据库矢量数据的授权模型与实现方法

空间数据库的广泛应用给人们的生活带来极大便利的同时,也带来了严重的安全威胁.空间应用要求授权系统支持灵活的细粒度授权策略以及否定策略,提供高效的授权实现技术.针对这些安全需求,提出一种基于谓词的矢量数据授权模型,并依据空间数据库管理系统在实现上的特征,采用谓词改写的方法实现对矢量数据的有效授权.和现有工作相比,该模型利用授权谓词表示授权区域,具有更灵活的表达能力,且支持否定授权;所提出的谓词改写的方式不仅避免授权判定时额外增加的一次空间查询,而且可以保证与空间数据库管理系统的低耦合度,还有利于空间谓词的优化,减少空间谓词的冗余.实验证明,该授权模型和实现方法能够满足空间应用的安全需求,实现对空间数据库矢量数据的访问控制和有效授权.     

一种类比匹配原理及其实现

本文给出了一种类比匹配原理及其计算模型，并在此基础上实现了类比匹配器ＡＭＥ．其中类比匹配原理包括一致性、谓词相似和支持性原则；计算模型采用以命题为中心，以命题映射为基本单位，从而ＡＭＥ的复杂性低于同类系统．另外，证明了本文的实现算法具完备性和正确性．     

移动界程模型检测

首次将嵌套谓词等式系应用到带递归的谓词界程逻辑模型检测中,提出了第1个时间复杂性与逻辑公式的交错嵌套深度呈指数关系的局部模型检测算法,这也是目前已知的第2个带递归的谓词界程逻辑模型检测算法.所做的工作有:①讨论了谓词界程逻辑公式与嵌套谓词等式系间语义的等价性,给出了谓词界程逻辑公式转换成嵌套谓词等式系的方法;②讨论了谓词界程逻辑模型检测问题,给出了具体算法,并分析了算法的复杂性.     

一阶谓词逻辑的图形推理法

针对已有一阶谓词逻辑推理方法中存在的推理效率低等问题,研究一种基于谓词/变迁系统的图形推理法。定义了描述谓词间与/或关系的谓词-与/或图,借助谓词-与/或图表示谓词/变迁系统,提出一种实现反向推理的目标制导的图形推理法。该方法推理效率高,较已有的推理方法具有一定的优越性。     

基于改进谓词/变迁网的飞行方式指示器模型研究

为实现空客320飞行仿真中的飞行方式指示器(Flight Mode Annunciator, FMA)仿真,面向离散事件系统,提出一种基于二阶谓词/变迁网的建模方法,并对FMA建模及仿真验证。分析FMA系统功能特点,确定其可用谓词/变迁网建模,但FMA每当飞行方式改变时附带的白色方框提示使传统谓词/变迁网模型繁杂而难以实现。为简化系统模型,在谓词/变迁网的基础上提出继发网,以此为基础定义了适用于离散事件系统的通用型二阶谓词/变迁网,以FMA为例进行了建模及仿真验证。实验结果表明,二阶谓词/变迁网解决了离散事件系统建模时“系统中每一次状态更新都会激活同一个新事件”带来的传统谓词/变迁网模型结构复杂问题,实现了空客320飞行仿真中的FMA仿真。     

基于谓词检测方法的上下文感知案例研究

当前,开发灵活的适应环境变化的上下文感知应用较为复杂。在上下文感知应用开发过程中,很多未知情况无法事先被充分考虑到,实际的开发又需要处理很多意外情形,因此有效地表示和处理上下文尤为重要。谓词检测作为实现上下文感知的重要方法之一,能够有效对上下文信息进行建模,但在实际应用中对于真实物理设备的支持如何在很大程度上仍然是未知的。为了应对以上问题,通过构建一个简单的物理场景,将谓词检测方法应用于真实的机器小车上,支持其在一个既定轨道上完成运行任务。在该场景下对原始的上下文环境进行建模,将环境特性逐步规约成特定的快照谓词和序列谓词,并在案例研究中,对规约化的谓词进行检测,将谓词检测应用于真实的机器小车实验上。实验分析的结果表明,谓词检测的方法能有效检测小车的上下文特性并成功支撑小车完成既定的行走目标。     

谓词μ演算和模态图的语义一致性

模态图是谓词μ演算的一种有效的图形表示形式.证明了谓词μ演算和模态图的语义一致性,详细讨论了谓词μ演算公式、嵌套谓词等式系和模态图之间的关系,并给出了一种优化的从线性公式到嵌套谓词等式系的转换算法.     

分簇结构谓词以及编译优化框架研究

谓词执行是在控制流存在的条件下可以有效挖掘指令级并行性的硬件机制。而在分簇结构上实现谓词机制,可以提高分簇结构上条件的执行效率。本文针对分簇结构展开谓词体系体系结构的研究,提出了分簇结构部分谓词的高效实现方法,以及基于循环展开的分簇结构部分谓词支持框架。实验表明,本文提出的分簇结构部分谓词及编译框架可以很好地提高条件执行程序的执行效率。     

基于神经网络的中文谓语动词识别研究

识别谓语动词是理解句子的关键。由于中文谓语动词结构复杂、使用灵活、形式多变,识别谓语动词在中文自然语言处理中是一项具有挑战的任务。本文从信息抽取角度,介绍了与中文谓语动词识别相关的概念,提出了一种针对中文谓语动词标注方法。在此基础上,研究了一种基于Attentional-BiLSTM-CRF神经网络的中文谓语动词识别方法。该方法通过双向递归神经网络获取句子内部的依赖关系,然后用注意力机制建模句子的焦点角色。最后通过条件随机场（Conditional random field, CRF)层返回一条最大化的标注路径。此外,为解决谓语动词输出唯一性的问题,提出了一种基于卷积神经网络的谓语动词唯一性识别模型。通过实验,该算法超出传统的序列标注模型CRF,在本文标注的中文谓语动词数据上到达76.75%的F值。     

An intelligent modeling and analysis method of manufacturing process using the first-order predicate logic

Manufacturing process refers to machining sequence from raw materials to final products. Process plan has important effects on manufacturing process. In general, process designer relies on his experience and knowledge to arrange the process plan. For a complex part, it takes long time and effort to determine process plan. In this paper, an intelligent modeling and analysis method using the first-order predicate logic is proposed to evaluate the manufacturing performance. First, the logic predicates used to represent the process plan are defined according to the machining methods, and the predicate variables are discussed in detail. Consequently, the process plan can be represented in the form of the first-order predicate logic. Second, a type of element model composed of four nodes and four links is put forward in order to construct the process model. All components in this element model are respectively explained, and the mapping relationship between element model and predicate logic is described in detail. According to engineering practices, logic inference rules are suggested and the inference process is illustrated. Hence, the manufacturing process model can be constructed. Third, the process simulation is carried out to evaluate the performance of manufacturing system by using measures such as efficiency, the machine utilization, etc. Finally, a case study is given to explain this intelligent modeling method using the first-order predicate logic.     

基于概率和条件逻辑的PKI信任模型推理

提出一种基于概率和条件谓词逻辑来表示和推导PKI信任模型的方法．该方法用3个二元条件谓词表示不同个体之间的关系,并给出了实体认证规则、信任规则和信任扩展规则，对信任度定义了一个概率模型，该模型能反映约束条件如何影响信任度．概率模型加条件谓词逻辑能够对一个PKI信任模型进行更精确的描述．     

SQL语言的形式语义

对SQL查询的形式语义的研究有助于形式地证明两条SQL语句是否等价,从而消除了自然语言的二义性。SQL标准对SQL的语义规则进行了定义,但是并没有很好地处理不完全信息问题。文中以中介逻辑谓词演算系统MFM为基础,构造一个形式的三值谓词演算模型EPMC,然后通过语法转化规则把SQL查询转化为EPMC,从而完整地定义了SQL查询的形式语义。     

汉语句子谓词的自动识别方法研究

谓词的自动识别是浅层句法分析的重要内容。以汉语的“谓词中枢论”为语言学基础,详细分析了汉语句子中谓词所处的上下文环境,讨论了影响谓词出现的主要语境因素。提出了一种基于统计学原理的汉语句子谓词自动识别概率模型,通过极大似然估计对谓词候选词在句中充当谓词的概率进行近似计算,利用绝对折扣模型对参数进行平滑。在小规模语料库上进行的实验显示,谓词识别率最高分别达到了80.6%（动词性谓词）和83.2%（形容词性谓词）,表明了该方法的可行性和有效性。     

利用主语和谓语的句法关系识别谓语中心词

谓语中心词识别对于整个句子的句法分析起着重要的作用。目前已有的谓语中心词识别方法,利用谓语中心词候选项的静态语法特征和动态语法特征来确定谓语中心词。在此基础上,本文提出一种利用句子的主语和谓语之间的句法关系来识别谓语中心词的方法。该方法除了利用谓语中心词候选项的静态语法特征和动态语法特征外,还利用主谓语之间的句法关系识别谓语中心词。实验表明,与传统方法相比,这种方法对谓语中心词的识别正确率可以提高3%左右。