浅析关联期待引导下的adhoc概念构建过程

理论认为言语交际通常围绕着说话者的交际目的和听话者的关联期待性展开。那么,关联期待如何引导听话者在言语交际过程中构建具有最佳关联性的符合说话者意义的adhoc概念？这是个值得探讨的问题。本文在探究词汇的语言编码意义和语用推理关系的基础上,从关联论的视阙剖析不同中文语境中adhoc概念的具体构建过程。     

图象理解及其推理机制

在研究实用图象理解系统过程中,人们逐步认识到推理机制的重要性。本文从推理方式的角度讨论图象理解中存在的问题及其产生原因。重点分析多重信息融合方法和假设推理过程。     

基于本体DL的语义推理研究

随着Internet的迅速发展,语义Web作为新一代Web正倍受关注,因为语义表述与推理是语义网需要解决的关键问题。为了解决这一问题,文中在概述了本体语言、描述逻辑的概念和描述逻辑的原理的基础上,提出了一种新的方法：让本体表示语言与描述逻辑相结合,从而为语义推理的合理性和有效性提供了保证。文中重点介绍了通过对基于本体DL的语义推理机制进行阐述分析,较详细地探讨了在本体构建过程中,运用基于描述逻辑的语义推理进行一致性判定和相容性判定的重要性和实现技术,并以果品领域的本体构建为例,对构建过程中的推理判定进行了验证。     

有上下文感知能力的智能教室系统设计与实现

目前,有许多教育专家采取很多措施来提高教学效率,而应用先进技术是一条切实可行的方法。通过利用多agent、语义Web、推理和用于安全和隐私的声明性规则等技术,参考早期的普遍深入的计算系统,开发了一个新的智能教室系统模型。该模型使用本体Web语言——OWL来实现知识共享和上下文推理,使用逻辑推理来检测和解决上下文知识的不一致问题,并向老师和学生提供一种策略语言来控制他们的私人信息。ICS将完全改变传统的教学方法并为未来的教学工作提供更多的便利。     

基于本体的语义检索技术研究与实现

随着网络技术的发展和Internet上信息量的激增,信息检索系统作为网络信息平台的一个重要组成部分,在用户获取准确的网络信息过程之中发挥着重要的作用.传统的检索技术不能对这些信息提供语义级的组织、理解以及处理,寻找新的方法成为目前研究的热点.在现有语义检索方法的基础上,以本体为依据,提出了基于本体的信息检索系统.通过构建领域本体和推理规则,运用Jena实现了语义推理与检索功能,得出潜在的语义查询结果.提高了检索的查全率与查准率.     

基于领域本体的语义查询推理系统

传统的基于关键字的信息检索技术不能满足人们对信息查询的需求,语义网技术是解决这一问题最有前景的方法。本文设计与开发一个基于出版物领域本体的语义查询与推理系统,该系统构建了出版物领域本体,并构造该领域本体的查询语句和推理规则,给出语义查询和推理的结果,并对结果进行测试。结果验证了系统对语义查询和推理的可行性和有效性。     

基于推理的语义网检索模型及关键技术研究

为解决语义网检索过程中缺少推理导致语义检索性能不高的问题,提出一个基于推理的语义网检索模型,并介绍了该模型实现的关键技术.针对构建的领域本体,使用SWRL规则语言进行本体完善把本体中的隐性知识表示出来;在信息抽取过程中,对于识别出的实体,利用推理规则,获得更加丰富的实例知识库;对于用户输入的查询条件,利用完善的本体知识库及规则得到更多的相似概念实现查询扩展;进行语义匹配,获得更为精准的检索结果.实验结果表明,该模型能提高信息检索的语义性,得到较满意的信息检索结果.     

本体的查询与推理机制研究

首先介绍了本体的定义并对其查询模型进行了探讨,然后在对已有的本体查询语言进行了比较和评价后认为,要充分利用本体的模式信息进行查询就必须提高查询的推理能力,重点对DQL(OWL-QL)的逻辑基础和推理机制进行分析,并提出本体查询语言的发展应该是在本体Web语言上进行语义规则的扩充。     

密码协议的一种安全模型

将密码协议与密码算法视为一个系统,建立了密码协议系统的一种安全模型.基于假设/保证的组合推理技术提出了新的假设/保证推理规则和假设/保证推理算法,证明了该规则的完备性,实现了密码协议系统的模型检查,并重点解决了系统分解问题、假设函数的设定问题、进程+逻辑的系统特性描述问题等难题.以kerberos密码协议系统为例,利用该安全模型和假设/保证推理技术对密码协议系统进行了安全验证.     

基于Spark的大规模语义规则后向链推理系统

近年来,语义网数据快速增长,适合于处理静态小规模语义数据的前向链语义推理技术暴露出了需对数据进行频繁更新等问题。面对大规模动态语义网数据,对数据更新不敏感的后向链语义推理开始成为新的研究热点。后向链语义推理由查询目标驱动,在查询时根据规则集推理出查询结果。后向链语义推理具有推理过程复杂、规则扩展深度大等特点,在大规模语义数据上推理的效率和可扩展性上有一定的挑战。该文立足于已有的后向链推理技术,详细分析了语义推理规则集的特点,并结合当前主流的大数据处理平台Spark,设计了一套较为高效并且可扩展的大规模并行化语义规则后向链推理系统。该文的主要研究工作分为三个部分: (1)采用预计算本体数据闭包的方法,避免了本体模式在实时推理阶段的重复推理; (2)在后向链语义推理的逆向推理和查询阶段设计了优化措施,进一步提高了推理效率; (3)设计实现了一种基于Spark平台的大规模分布式RDFS/OWL后向链语义推理系统。实验数据显示,该文提出的RDFS/OWL后向链语义推理系统在合成数据集LUBM和真实数据集DBpedia上都表现出了良好的推理性能,在亿条三元组上的推理开销是几秒到几十秒,并且表现出了良好的数据可扩展性和节点可扩展性。