基于桥连接的词典学习方法的语义解析

现阶段的语义解析方法大部分都基于组合语义,这类方法的核心就是词典。词典是词汇的集合,词汇定义了自然语言句子中词语到知识库本体中谓词的映射。语义解析一直面临着词典中词汇覆盖度不够的问题。针对此问题,该文在现有工作的基础上,提出了基于桥连接的词典学习方法,该方法能够在训练中自动引入新的词汇并加以学习,为了进一步提高新学习到的词汇的准确度,该文设计了新的词语—二元谓词的特征模板,并使用基于投票机制的核心词典获取方法。该文在两个公开数据集(WebQuestions和Free917)上进行了对比实验,实验结果表明,该文方法能够学习到新的词汇,提高词汇的覆盖度,进而提升语义解析系统的性能,特别是召回率。     

论坛消息的语义漂移分析

引入多维文档模型来组织论坛消息的描述性特征和语义性特征，并在多维索引的基础上，提出了加窗分析技术。目的在于分析论坛站点中语义漂移现象，进而发现论坛中的完整语义信息单元。     

计算机英语词汇的学习策略

探讨计算机英语词汇的生成规律和意义关系。主要有隐喻式的引申义、语义关系等。运用这些规律和关系，是有效的学习策略。     

一个面向语义的解释器自动生成技术

本文给出从指称语义自动生成解释器后端的一种技术.解释器被表示成PASCAL_like形式.     

基于语义的信息检索中的反馈技术

首先分析了两种基于语义的信息检索系统的基本框架。由于相关反馈计算在基于内容的图像检索中受到广泛重视，因此对相关反馈中的加权距离进行了讨论和总结。这种相关反馈技术使得高层次语义特征能够逐步嵌入到低层次特征的图像检索中，使检索的准确率大大提高。     

自治Agents的面向服务的协商模型

提出了一个基于自治Agents的面向服务的协商模型。模型主要包括两大模块：首先定义了一系列的战略和战术过程，使得Agents可以产生初始建议，评价对方的建议，以及在此基础上做出反建议；其次，定义了两个层次的Agent通信机制。二者相辅相成，实现了Agents间合作的动态形成和随机协调，使得Agents可以承担因环境的不确定性而需动态协作的复杂任务。     

ATM的语义透明性

ATM的语义透明性是指信息经过ATM网络后没有误码也没有信元的丢失。实际上任何系统都不是完美的,信息从发送端传送到接收端总是有误码的,这一方面是由于环境原因引起的,另一方面是由于系统本身的因素所引起的。所以通常语义透明性要求:从源到目的传送信息时只能有很少的误码。误码通常有两种,一是由于信元的丢失而造成一个信元内的所有比特丢失,另一种是由于系统本身的原因和环境原因造成的单个比特的错误和突发错误。     

一种基于社会网络的信任模型

社会网络是通过朋友关系、工作关系和信息交换等一组社会机制,将人、组织和其他社会团结联系在一起形成的网络,Web就是一种社会网络.在社会网络中要求有一种自然的机制对网络的真实性进行判断和评价,信任模型就是比较好的一种机制.基于社会网络,本文构建了一种网络信任模型,用来估算信任者和被信任者之间的信任等级,能够用于语义网的信任管理系统和社会网络的信任评价中.实验结果表明,该模型具有很好的效率和效果.