基于多Agent技术的自动文摘研究

针对自动文摘研究所面临的问题和现有单机自动文摘系统的性能特点,提出了基于多Ａｇｅｎｔ技术的自动文摘系统的构想,给出了其体系结构,阐述了系统的工作原理。该文摘系统是一个面向Ｉｎｔｅｒｎｅｔ的分布式系统,且具有较好的可靠性和开放性。     

基于Ontology的英汉机器翻译研究

高质量的机器翻译(Machine Translation)系统必须充分结合语言学知识以及语言中性的世界知识。近年来,ontology被广泛用于在概念层对世界知识建模,本文介绍一个基于ontology的英汉机器翻译模型系统,在这个系统中,ontology作为世界知识的模型,它是通过把概念组织成一个层次结构并同时在概念间建立丰富的概念联系而构成的。通过把某种语言中的词汇映射到ontology中的概念,可以支持在源语言分析时进行歧义消解和目标语生成时的词汇选择,并可以作为源语言和目的语言之间的中介表示的概念来源。在系统中,中介表示是用概念图(Conceptual Graph)来表示的。     

中文搜索引擎概念检索初探

搜索引擎传统的关键词匹配检索模式存在很多问题,概念检索是解决这些问题的关键技术之一。该文简要介绍了概念检索的主要内容,针对中文搜索引擎,探索出了一种基于概念语义网络知识库的概念检索模型。在此基础上,针对计算机这一特定领域,创建了一个含有500多个概念节点,包括概念层次关系和近300种概念相关关系的语义网络,初步实现了计算机领域文档的概念检索。实验结果表明,该模型对于提高中文搜索引擎的智能水平是非常有效的。     

一个多Agent系统规范--MAS/KIB

采用Ｋ（知道）,Ｂ（相信）,Ｉ（意愿）等几个基本的心智状态,建立了一个多Ａｇｅｎｔ系统逻辑规范－ＭＡＳ／ＫＩＢ,讨论了其语法、模型和语义,给出了公理和揄规则,研究了ＭＡＳ／ＫＩＢ的一些基本性质。     

自动文摘系统中基于全信息词典的复杂语句分析方法及其实现

本文介绍了智能型自动文摘系统Ladies中汉语复杂语句的化简分析方法——义块组配及其实现.在使用全信息词典对词的语法、语义、语用信息进行全方位描述的基础上,义块组配对复杂句进行语义聚合,将被扩展的各个成分合并成能充分表达语法、语义信息的义块,从而大大简化了语法语义分析过程,为进一步的句子语义、语用分析和篇章理解打下了一个良好的基础.     

引入深度学习的人工智能类课程

深度学习是人工智能领域最近的惊人进展,从模型、算法,到大规模的应用都取得了令人瞩目的成果。文章提出在人工智能类课程中引入深度学习的初步内容和实施建议,同时分析其必要性和可行性。     

加入自注意力机制的BERT命名实体识别模型

命名实体识别属于自然语言处理领域词法分析中的一部分,是计算机正确理解自然语言的基础。为了加强模型对命名实体的识别效果,本文使用预训练模型BERT(bidirectional encoder representation from transformers)作为模型的嵌入层,并针对BERT微调训练对计算机性能要求较高的问题,采用了固定参数嵌入的方式对BERT进行应用,搭建了BERT-BiLSTM-CRF模型。并在该模型的基础上进行了两种改进实验。方法一,继续增加自注意力(self-attention)层,实验结果显示,自注意力层的加入对模型的识别效果提升不明显。方法二,减小BERT模型嵌入层数。实验结果显示,适度减少BERT嵌入层数能够提升模型的命名实体识别准确性,同时又节约了模型的整体训练时间。采用9层嵌入时,在MSRA中文数据集上F₁值提升至94.79%,在Weibo中文数据集上F₁值达到了68.82%。     

高等人工智能:人工智能理论的新阶段

介绍"高等智能"诞生的历史背景,阐述高等人工智能理论的基本体系,包括高等人工智能理论研究的科学观和方法论、系统模型、统一研究方法、统一理论体系及其与现行"人工智能"的关系。讨论理论研究的意义和未来工作,提出界定重要术语和深化教学研讨的建议,希望引起各方关注。     

自然语言理解的全信息方法论

在经济全球化需求的推动下,世界在酝酿一场“自然语言信息技术革命” ,它的基础和核心是“自然语言理解”的理论与方法. “全信息自然语言理解方法论”是作者的“全信息理论”在自然语言理解领域的应用. 与文献中已有的其他工作不同,其主要特色是: 一方面,试图实现语法信息、语义信息、语用信息的综合利用;另一方面寻求“规则方法”和“统计方法”的和谐互补,从而有效增强对自然语言的理解能力. 近几年来,应用这一方法论完成了一系列自然语言理解方面的课题,取得了一批可喜的研究成果,表明全信息自然语言理解方法论具有很好的前景.     

全信息:通信理论的新课题

通信理论的发展,正面临一个日益紧迫的新课题:智能化信息处理。本文分析了这一问题的实质,提出了“全信息”的概念和计算方法,为解决这一问题提供了某种理论上的准备。