构件式体系结构模型转换的语义一致性

基于软件体系结构模型的形式化描述,从结构语义、公理语义和行为语义等几个方面分析了模型转换中特性保持问题的描述,并建立了相应的判定标准,同时探讨了证明一个转换是否满足某些特性保持约束的方法。这些方法支持以定理证明的方式,对模型转换的语义特性保持进行验证,克服了模型检测的不足。该研究可用于指导模型转换规则的定义和模型映射关系的正确性的验证。     

从意义变体的角度解读语法隐喻

从意义变体这一独特的角度来解读分析语法隐喻,可发现,语法隐喻既具有强调又带有抑制的双重语义特征,同样是人们用来扩展语义,实现特定交际意图的方式。语法隐喻与词汇隐喻互为补充,共同构筑隐喻这一范畴。     

张家口地区电子文献传递系统(EDDS)的开发研究

随着人们对信息资源的需求及文献传递工作的重视,文献传递的服务模式及发展趋势逐渐成为社会所关注的问题.本课题通过分布式文献传递的服务模式,利用完备的网络搜索系统模型,构建张家口地区高校图书馆之间的电子文献传递桥梁.     

基于WordNet的无导词义消歧方法

有导词义消歧机器学习方法由于需要大量人力进行词义标注,难以适用于大规模词义消歧任务.提出一种避免人工词义标注的无导消歧方法.该方法综合利用WordNet知识库中的多种知识源（包括：词义定义描述、使用实例、结构化语义关系、领域属性等）描述歧义词的词义信息,生成词义的“代表词汇集”和“领域代表词汇集”,结合词汇的词频分布信息和所处的上下文环境进行词义判定.利用通用测试集Senseval 3对6个典型的无导词义消歧方法进行开放实验,该方法取得平均正确率为49.93％的消歧结果.     

基于语义网络的产品建模及配置方案搜索

对基于语义网络的产品建模及配置方案的搜索方法进行集成研究,以提高产品配置设计的效率.在相关本体的基础上,建立基于语义网络的产品模型结构,并据此解析用户所输入的查询语句.基于语义网络的产品模型提供一种定量与定性相结合的一致化的设计实例与需求的表达方式.进一步通过产品的语义网络模型可以获取设计需求的隐含条件,使得需求在设计方案的搜索匹配过程中被更充分地考虑.利用基于语义网络的推理技术与本体语言RDFS构造待求配置设计问题的语义网络片断,并通过语义搜索与匹配度计算排序从设计实例库中获取符合当前需求配置设计方案;同时,通过注塑机螺杆为实例的应用,证明了基于语义网络的产品模型在支持配置选型设计方案搜索方面的有效性与实用性.相对于传统的产品模型而言,基于语义网络的产品模型更关注属性之间的内部联系,经实例验证基于语义网络的产品模型使得配置设计过程更符合用户的实际需求.     

基于关联与回溯的产品变异设计过程重用方法

为实现在复杂度和数量上急剧增长的产品过程模型和关联知识的重用,提出一种产品变异设计过程的重用方法.对设计系统的模块进行精细化和抽象化,建立具有规范化数据接口的产品结构变异设计的信息模型,用状态空间的带权有序检索树存储变异设计过程;将变异设计语义添加至可移植结构,当发生分割、合并和变换的变异设计行为时,对其抛弃、保持或复制等处理,实现变异设计语义随变异设计行为的继承与变迁;再通过检索变异设计语义不断获得待变异结构,将离散的设计过程关联;深度优先搜索获得把初始状态变换为目标状态的操作序列,执行可行解集,回溯变异设计过程并实现重用.以ACIS为几何造型内核开发自主原型系统,实现涡轮风扇发动机的压气机的转子叶片变异设计过程的重用.结果表明,该方法将设计重用对象由静态的孤立设计结果拓展到动态的连续设计过程,对于准确、快速地实现产品的结构变异设计具有重要意义.     

语义Web作为背景知识的本体匹配

提出了一个基于语义网为背景知识的本体匹配模式,即自动寻找和检索各种网络的知识资源得出映射,根据一些关键问题获得可行的模式、提供一个良好性能的匹配方法.采取了一个大规模的匹配为实验背景,检验了以语义网为背景知识的本体匹配模式的可行性、局限性、与其他技术的结合性.实验结果表明以语义Web为背景知识的方法本体匹配的精确度为70%.说明以语义Web为背景知识的本体匹配是对现有技术的补充,并可兼容于其他方法,其匹配的精确度也有了进一步的提高.     

"V好"的语义类型与"好"的语法化

现代汉语"V好"结构存在短语和词两种类型.短语的"V好"词汇化后,在语义上存在表结果和表状态两种类型;表结果的"V好"中的语素"好"的语义是形容词"好"的语义遗留.随着"好"的语义泛化,表状态的"V好"的"好"的语义彻底虚化.这种演变过程就是"好"的语法化.从短语"V好"发展为表结果的"V好"再到表状态的"V好",词义...     

基于本体及相似度的文本聚类研究*

为了改善文本聚类的质量,得到满意的聚类结果,针对文本聚类忽略概念的内涵及缺少概念间的联系,设计和改进了基于本体和相似度的文本聚类方法TCBOS(text clustering based on ontology and similarity)。研究了文本预处理及分词的方法,设计了用有限状态自动机来自动提取概念和关系的方法,对概念语义扩展和相似度计算方法进行了改进和完善,通过应用本体的语义相似度来度量文档间相近程度,完善了根据相似度进行文本聚类的K中心点算法。实验证明,该方法从聚类的准确性和聚类的关联度方     

结合稀疏表示和概率潜在语义的图像模糊度评价

目的 图像的模糊度评价是客观图像质量评价的一种,主要用来衡量图像信号经过成像系统或处理算法后的降质程度,其在图像获取、传输、分析以及图像处理系统或算法评价等领域有着广泛的应用。针对目前图像模糊度评价方法没有考虑人类视觉系统的无监督学习和层次化特征提取的特性,本文将图像稀疏表示和利用概率潜在语义提取图像主题相结合,提出基于稀疏表示和概率潜在语义的图像模糊度评价算法。方法 该算法在图像稀疏表示的基础上,通过概率潜在语义方法分别提取清晰训练图像和待测图像的主题,以待测图像潜在主题与清晰图像平均潜在主题之间的相似性作为模糊度评价的依据。主要过程分为3个阶段:词典构建阶段、训练学习阶段和模糊度评价阶段。词典构建阶段的目的是通过样本学习获得图像稀疏表示的词典;训练学习阶段的目的是采用概率潜在语义的方法获得训练图像的平均主题;模糊度评价阶段的目的是通过待测图像的潜在主题与训练图像的平均潜在主题的相关系数来计算图像的模糊程度。结果 在仿真图和公共测试数据库上与典型算法的比较实验表明:本文算法在单调性、抗噪性以及视频质量专家组制定的5个评价指标上都取得了较好的效果,其中Pearson相关系数和Spearman秩相关系数分别为0.995 6和0.993 4。结论 本文根据人类视觉系统具有无监督学习和层次化特征提取的特点,以待测图像潜在主题与清晰图像平均潜在主题之间的相似性作为模糊度评价的依据,提出了一种新的基于稀疏表示和概率潜在语义的图像模糊度评价方法。实验结果表明该方法能够对图像的模糊度进行较准确的评价,并且结果与人的主观评价结果一致。