一种RDF图的语义相似性度量方法

在资源描述框架(RDF)图的语义相似性度量过程中,结构相似性和语义相似性计算不精确。针对该问题,提出结构语义(SAS)方法。结合改进的基于网络距离模型的语义距离公式、基于信息量模型的权重度量机制,计算概念节点的语义相似度,完善RDF图语义相似度算法,分析结构、深度和密度对RDF图语义相似性度量的影响。设计并实现原型系统,实验结果表明,该方法可有效保证RDF图的语义相似度与实际相符。     

多角度语义轨迹相似度计算模型

移动设备的发展使得轨迹数据可以记录更多有用的信息,比如签到信息、活动信息,构成了语义轨迹数据.快速有效的轨迹相似度计算会为分析问题带来巨大好处,已有学者对轨迹相似性及语义轨迹相似性做出研究,并提出了一些有效的方法.但是现有轨迹相似性计算方法无法应用于语义轨迹数据,而目前的语义轨迹相似性计算方法又在轨迹采样频率低的情况下效果不佳.因此在解决轨迹相似性计算对低采样频率敏感的基础上,结合了语义轨迹的附加访问地点信息,提出了一种新的轨迹相似性计算模型,叫作多角度语义轨迹(MAST)相似度计算.模型基于LSTM并且引入自注意力机制,学习到的轨迹表达为多个关注轨迹不同方面的低维向量,构成了一个矩阵,从而解决了单一向量无法准确表达轨迹的问题.这个矩阵不仅包含轨迹的空间信息,也包含语义信息,可用于计算语义轨迹相似度.提出的模型在两个现实语义轨迹数据集上进行实验,实验数据表明MAST的计算结果优于现有方法.     

分布式环境下基于图的语义相似性方法研究

论文为不同格式的数据源提供了一个统一的概念模型,并定义了各种信息源到概念模型的转换规则。基于该模型,提出了计算模式间精确语义相似性的方法。     

提取半结构化信息源中对象间精确语义相似性的方法研究

为了从半结构化的信息源中提取本体，统一地分析和处理所有信息源，本文为数据源提供了一个统一的概念模型，并定义了半结构化信息源到概念模型的转换规则。基于该模型，本文提出了计算模式中对象间精确语义相似性的方法。     

信息源中对象间精确语义相似性的提取方法

为了从半结构化的信息源中提取本体和统一地分析和处理所有信息源，该文为数据源提供了一个统一的概念模型，并定义了半结构化信息源到概念模型的转换规则。基于该模型，提出了计算模式中对象间精确语义相似性的方法。     

基于网络本体语言的三维计算机辅助设计主模型相似性计算方法

为了提高三维计算机辅助设计(CAD)模型重用效率,针对当前三维模型检索系统中语义表达不足问题,提出了一种基于网络本体语言(OWL)表示模型语义的相似性计算方法。首先,将三维CAD产品主模型转化成以概念属性特征为基础语义对象的结构化表示模型;然后,从OWL表示模型中提取用于评价两个模型相似性的特征语义信息,构建可量化的相似元集,借助子图同构思想和Tversky算法给出了一种加权相似性计算方法;最后,通过实例验证了所提方法的有效性和可行性。实验的定量评价结果表明,该评价基准从对象本身转为两个对象特性的语义描述,能够客观反映两对比模型的相似程度。     

基于本体的决策模型冲突预测及协商研究

依据模型知识的特性,定义了模型描述本体和任务求解本体,为模型提供语义支持.模型语义分为描述语义和行为语义.基于描述语义的相似性判定,模型可进行潜在冲突预测;然后根据任务求解本体的定义,模型通过行为语义交互,进行行为协商;而在执行过程中,模型需要为每一个操作申请资源,因此模型根据模型描述本体和描述语义对资源申请进行协商,从而得到互不冲突的操作执行序列,消除冲突.最后通过实验分析验证算法的有效性.     

语义支持的地理要素属性相似性计算模型

现势性是发挥数据应用价值的关键。鉴于在地理要素数据匹配过程中,常常因为分类标准不同或地图综合处理等原因而产生要素属性间的语义异质性,该文试图通过引入本体语义技术解决语义异质性问题,利用属性枚举的方法表达地理要素类别语义,构建地理要素分类本体结构;同时将地物属性信息划分为要素类别信息、地物名称信息以及辅助信息3个部分,提出了语义支持的地理要素属性相似性模型。该模型从概念语义内涵的角度计算地理要素类别的相似性;从地物名称字面出发计算地物名称相似度;根据不同的辅助属性类型计算辅助属性相似度。实验结果表明,同尺度多时态与跨尺度相同时间版本环境下,所提出的模型可有效合理地评价候选地物间的属性相似性,较好地为地理数据匹配提供支持。     

使用网络搜索引擎计算汉语词汇的语义相似度

汉字词语的语义相似度计算是中文信息处理中的一个关键问题。文中利用网络搜索引擎提供的信息来计算汉语词对的语义相似性。首先通过程序访问搜索引擎,获取汉字词汇的搜索结果数,并依此实现了相似度计算模型WebPMI;然后描述了根据查询返回的文本片段进行语义相关性分析的模型CODC;最后,结合这个两个模型,给出了文中算法的伪代码。实验结果显示,文中的算法较好地利用了互联网信息,实现了一种较新的汉语词汇语义相似度计算方法,接近于利用词典提供的信息计算相似度的传统算法。     

单词语义相似性计算综述

研究了单词语义相似性计算方法,其中基于知识的方法和基于语料的方法是两种主要方法。这两种方法及其融合方法都把单词看成一个整体,主要利用单词外部信息进行语义相似性计算。近些年,出现了一些利用单词内部信息进行单词语义相似性计算的工作,它们使用汉字、部首、词根、词缀等来计算单词语义相似性。利用单词的内部结构解析,解决从细粒度到粗粒度的语义相似性推导,最终计算出单词间的语义相似性是单词语义相似性计算的必然阶段。当从外部信息转向内部信息时,可以改善已有单词语义相似性计算的性能,尤其是为低频词或未登录词的准确语义相似性计算提供了可能性。     

结合依存关系与同义词词林的相似度计算

设计了一种基于依存关系与同义词词林相结合的语义相似度计算方法。该方法通过依存关系分别提取两个文本的关系路径,同时基于同义词词林计算两个文本之间关系路径的语义相似度。在计算两个文本之间的语义相似度时,使用语言技术平台(language technology platform,LTP)对文本进行中文分词以及获取文本的依存关系图,从中提取关系路径,从而可以结合关系路径和同义词词林计算两个文本之间的语义相似度。通过实验,获得的平均偏差率为13.83%。实验结果表明,结合依存关系与同义词词林的语义相似度方法在准确率上相比较基于同义词词林的语义相似度和基于依存关系的语义相似度有了一定的提高。     

基于Markov网络及laplacian映射的快速相似性检索方法

快速相似性检索技术对于各种信息检索应用都具有很大的意义,其中基于语义哈希的快速相似性检索即是一个合理有效的检索方式,其检索模型能够在保证语义相关的基础上将高维空间中大量相关的文档数据,映射在低维空间中.虽然近年来许多关于语义哈希的研究都表现了不错的实验结果,但是都没有考虑到利用文档集合自身的信息来加强文档间的相关信息.为了有效利用文档自身信息,提出结合强化文档间邻接关系的马尔可夫迁移过程及使用保留局部信息的拉普拉斯映射方法的相似性检索方式.     

基于语义特征空间上下文的短文本表示学习

文本表示是自然语言处理中的基础任务,针对传统短文本表示高维稀疏问题,提出1种基于语义特征空间上下文的短文本表示学习方法。考虑到初始特征空间维度过高,通过计算词项间互信息与共现关系,得到初始相似度并对词项进行聚类,利用聚类中心表示降维后的语义特征空间。然后,在聚类后形成的簇上结合词项的上下文信息,设计3种相似度计算方法分别计算待表示文本中词项与特征空间中特征词的相似度,以形成文本映射矩阵对短文本进行表示学习。实验结果表明,所提出的方法能很好地反映短文本的语义信息,能对短文本进行合理而有效的表示学习。     

基于非负矩阵分解与稀疏表示的多标签分类算法

传统的多标签分类算法是以二值标签预测为基础的,而二值标签由于仅能指示数据是否具有相关类别,所含语义信息较少,无法充分表示标签语义信息。为充分挖掘标签空间的语义信息,提出了一种基于非负矩阵分解和稀疏表示的多标签分类算法（MLNS）。该算法结合非负矩阵分解与稀疏表示技术,将数据的二值标签转化为实值标签,从而丰富标签语义信息并提升分类效果。首先,对标签空间进行非负矩阵分解以获得标签潜在语义空间,并将标签潜在语义空间与原始特征空间结合以形成新的特征空间;然后,对此特征空间进行稀疏编码来获得样本间的全局相似关系;最后,利用该相似关系重构二值标签向量,从而实现二值标签与实值标签的转化。在5个标准多标签数据集和5个评价指标上将所提算法与MLBGM、ML²、LIFT和MLRWKNN等算法进行对比。实验结果表明,所提MLNS在多标签分类中优于对比的多标签分类算法,在50%的案例中排名第一,在76%的案例中排名前二,在全部的案例中排名前三。     

基于Corpus库的词语相似度计算方法

构建了一个语义关联库，称为Corpus库，该库使用词语空间乖关系空间结构化地存储了词语和其上下文之间的统计信息，并通过阅读大量的预料数据来训练其相关数据。详细介绍了Corpus库的训练方法，并对训练过程中出现的大量关系提出了裁剪方案。在此基础上，通过构建词语的上下文关系向量提出了一种词语相似度算法。实验证明这是一种有效的对词语相似度进行计算的方法。     

领域本体的概念相似度计算

随着本体在信息检索、人工智能等领域的广泛应用,面向本体的概念相似度计算成为了本体研究的一大热点。当前领域本体中概念相似度的研究主要是利用概念的上下位关系进行计算,但这并没有完整反映出概念的语义信息。论文提出的算法将概念相似度计算分为两层,一层是概念语义初始相似度层,其主要利用概念之间的距离来计算概念的初始相似度。另一层是概念非上下位关系相似度层,其在概念初始相似度的基础上,计算概念通过非上下位关系体现出的相似度。最后通过综合计算,得到领域本体中概念的实际相似度。实验证明,该方法充分利用了本体中概念的语义信息,得到的结果也比较合理。     

基于三维语义空间的色彩设计方法研究

从色彩的语义空间理论出发,研究了三维语义空间的构建原理,建立了抽象语言和色彩关联的三维风格语义空间,并在此基础上构建了基于三维语义空间的色彩设计方法模型,实现了基于三维语义空间的色彩设计的具体技术路线,以辅助用户能够快速的依据语义匹配原则进行色彩设计。最后,通过产品色彩设计实例验证了该方法在色彩设计中的应用。     

一种基于语义与句法结构的短文本相似度计算方法

为了提高短文本语义相似度计算的准确率,提出一种新的计算方法:将文本分割为句子单元,对句子进行句法依存分析,句子之间相似度计算建立在词语间相似度计算的基础上,在计算词语语义相似度时考虑词语的新特征——情感特征,并提出一种综合方法对词语进行词义消歧,综合词的词性与词语所处的语境,再依据Hownet语义词典计算词语语义相似度;将句子中词语之间的语义相似度根据句子结构加权平均得到句子的语义相似度,最后通过一种新的方法——二元集合法——计算短文本的语义相似度。词语相似度与短文本相似度的准确率分别达到了87.63%和93.77%。实验结果表明,本文方法确实提高了短文本语义相似度的准确率。     

Translational relation embeddings for multi-hop knowledge base question answering

Multi-hop Knowledge Base Question Answering (KBQA) aims to predict answers that require multi-hop reasoning from the topic entity in the question over the Knowledge Base (KB). Relation extraction is a core step in KBQA, which extracts the relation path from the topic entity to the answer entity. Compared with single-hop questions, multi-hop ones have more complex syntactic structures to understand, and multi-hop relation paths lead to a larger search space, which makes it much more challenging to extract the correct relation paths. To tackle the above challenges, most existing relation extraction approaches focus on the semantic similarity between questions and relation paths. However, those approaches only consider the word semantics of the relation names but ignore the graph semantics inside the knowledge base. As a result, their generalization ability relying on the naming rules of the relations, making it more difficult to generalize over large knowledge bases.To address the current limitations and take advantage of the graph semantics of relations, we propose a novel translational embedding-based relation extractor that utilizes pretrained embeddings from TransE. In particular, we treat the multi-hop relation path as a translation from the first relation to the last one in the semantic space of TransE. Then we map the question into this space under the supervision of the path embeddings. To take full advantage of the pretrained graph semantics in TransE, we propose a KBQA framework that leverages pretrained relation semantics in relation extraction and pretrained entity semantics in answer selection. Our approach achieves state-of-the-art performance on two benchmark datasets, WebQuestionSP and MetaQA, demonstrating its effectiveness on the multi-hop KBQA task.     

三维交互体系结构的研究与实现

针对当前人机交互特别是三维交互的现状基于分布式环境提出了一个分层的模型结构,分析了一般交互在各层中的基本行为,建立了与具体硬件设备无关的面向任务的事件模型,着重讨论了原始结构形成基本事件的方法,复合事件对基本事件的时间关系的整合以表达复杂的语义,在一般交互模型的基础上描述了三我互的8种基本任务,一切复杂的交互任务都是这8种基本任务在时间或空间上的语义整合,最后实现了分布环境下三维交互的一个原型系统Easy3D。