自然语言理解的机器认知形式系统

自然语言理解是人工智能研究中的热点和难点之一。基于现有的相关理论,本文提出自然语言理解的形式化定义,以及改进相关的公理系统,从而统一“意思理解”和“道理理解”等两种理解类型。通过设计、开发和运行“篇章理解原型程序”,验证理论成果的正确性和有效性。     

面向知觉形式化特征的自然语言理解十年研究进展

首先解释了为什么采用知觉结构进行数据或特征描述以及语义的定义,以此阐明自然语言的机器理解与传统机器理解方法的区别,并通过基于知觉的理解在智能领域的广泛应用来说明知觉表示的普遍性;其次,概述了自然语言的机器真实理解自提出以来的主要理解算法,着重强调最近的研究成果与突破性进展;最后,针对目前的研究现状,提出自然语言的机器理解未来的一些研究方向,并指出一些具体挑战与可能的解决思路。     

自然语言理解——一个关于机器感悟人类语言实质的逻辑理论

从图灵机模型局限性角度出发来重新看待自然语言理解理论，并着重对理论所涉及的概念与公设定理及其应用背景进行解释说明．还给出了理论的可靠性与完备性证明．作为语言理解理论的推论与应用，给出语用涵义的相关定义与定理并验证它的正确性与有效性．     

探索语言理解与融汇贯通的因果律

从语言理解的认知模型出发采研究它的因果律,这是近年来发展起来的一种新方法.介绍语言理解与融会贯通的研究进展,并对其他领域的渗透作用进行展望.该研究对提高图灵机模型的融会贯通能力具有重要作用,从而对知识学习、问题求解、语言翻译、软件工程乃至软件生产自动化具有深远的影响力.