基于遗传算法的Fuzzy规则自动获取的研究

为了实现Fuzzy规则自动获取,进而构造高性能智能系统和解决智能系统的瓶颈问题,研究了利用遗传算法自动获取规则的方法以及遗传算法的组合优化能力.模拟结果表明,这是一种有效地获取Fuzzy规则的方法.     

面向领域开源文本的因果知识提取

因果知识是一类十分常见的知识类型,也是领域知识库的重要组成部分。基于互联网信息资源自动提取因果相关知识,对社会计算系统的建模和智能系统的建造具有十分重要的意义。本文面向开源中文文本信息,研究建立并实现一种自动提取因果知识的方法,以有效支持网上知识工程和安全领域的因果情报自动获取与因果知识库的构建。     

基于规则的联想网络

本文提出一种用于人工智能专家系统的知识表达方式--基于规则的联想网络(ANBR), ANBR把智能系统获取的知识表达分为内外两种形式.外部形式是基于规则的知识结构,用 于知识的获取和知识库管理;内部形式是分块联想网络,用于驱动推理控制.由于把产生式规 则的可理解性和模块性与网络的知识索引和联想推理功能结合于同一系统,使ANBR成为专 家系统知识表达的有效方式.     

PageRank技术在智能系统中的应用

知识获取是智能系统发展的关键技术.本文分析了PageRank技术特点,采用PageRank技术解决智能系统中知识获取的效率问题,把改进了的PageRank技术应用于智能系统中,并构建一个简易的问答系统来验证PageRank技术的作用.     

中文自动摘要综述

网页知识的自动获取一直是智能系统的瓶颈。本文介绍了目前中文摘要的研究进展、采用的关键技术和方法,并给出了中文自动摘要的内部和外部的评价标准。     

论机器学习

随着计算机和网络技术的高速发展,特别是在这个大数据时代,人们对计算机系统的要求越来越高。以往大部分智能计算机系统都普遍缺少自我学习的功能,如遇到错误时不能自动校正;不会通过经验改进自身的功能;不会自动获取所需的知识。一个不具有学习能力的智能系统算不上是真正的智能系统,所以机器学习在现今是一项十分重要的技术。     

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.     

一种基于聚类的汉语词语知识的获取方法

在自然语言处理中,知识的自动获取一直是一个核心问题。但如何实现知识的自动获取呢?该文在基于实例的学习方法(Example-BasedLearning,简称EBL)的基础上,提出了一种基于聚类的汉语多义词知识的自动获取方法。实验结果证明,用该方法获得的知识对汉语的词义排歧是有效的。     

人工智能的应用及困惑

知识获取、知识表示和知识利用成为人工智能的中心问题.但在当前的智能系统中,他们都极不完善.本文通过对人工智能的四大应用领域:专家系统、智能教学系统、自然语言理解及自动程序设计进行分析,说明了在人工智能的应用领域中困难重重.     

一种面向自然语言需求的安全需求获取方法研究

在软件开发早期获取软件安全(Security)需求可以有效减少软件安全问题的发生.传统的安全需求获取方法大多依赖安全领域的专家知识，需要手工执行，且获取的安全需求模型对相关安全标准的符合性缺乏考虑.本文阐述了一种从英文自然语言描述的需求文本中自动获取安全需求的方法：首先，基于自然语言处理技术抽取英文需求中的实体(如资产)以及实体关系(如用户对资产的操作);然后，采用基于深度学习的多标签文本分类模型预测需求的安全目标集；最后，通过匹配获得并实例化基于通用标准(CC:Common Criteria)的安全需求模板.此外，本文通过一组基于安全目标的多标签需求文本分类实验，选择出实验指标最优的深度学习模型：BERT-TextCNN,并将其应用到支撑本文方法的工具中.