目标检测中语义约束检查算法的研究与实现

基本的目标检测任务是在图像中识别目标,并标注目标的类别和位置信息.但是,很多应用中的目标检测任务常常带有语义约束,典型的包括单类别目标的数量约束和多个目标之间的空间位置约束.如在基于视频的生产安全监控系统中,目标检测不仅要识别和标定安全防护装备,还要检测这些安全防护装备是否被规范穿戴.提出了一种目标检测中语义约束检查算...     

基于嵌套语义的约束代数

1 引言约束数据库近期被Kanellakis等提出作为处理空间数据的一般性框架。约束数据库用约束来建模和检索数据。在数据层,约束能用有限的形式来表示可能是无限的关系元组集。例如,约束x~2 y~2≤9表示中心在点(0,0)处,半径为3的圆。在查询语言层,约束通过允许数学计算而增强了简单关系语言的表达能力,同时约束查询语言保留了关系查询语言的所有特征,如封闭性和自底向上求值。关系代数能被扩充来处理约束关系,这个新的代数叫做约束代数CALG。     

XML Schema语义约束在关系数据库中的实现

数据语义约束的完整保留是实现XML Schema向关系模式"无损"转换的关键问题.针对这一问题,本文简要分析XML Schema和关系模式的语义约束特征,较为详细地论述XML Schema语义约束与关系模式的完整性约束之间的转换方法.     

基于语义约束的资源工作流并发正确性保证

控制流结构中并发变迁的正确性是工作流模型正确性的基础．为保证模型的正确性，提出了资源语义约束工作流网的基本概念，丰富了控制流的数据语义，给出了两方面的控制流并发正确性：并发控制流与其数据语义的一致性检测算法及改正原则，保证了模型中的并发控制流结构的正确性；实例中基于数据语义约束的并发变迁正确性保证机制，提出了申请锁和释放锁的算法，保证了工作流实例中并发执行的正确性。     

基于分布式虚拟环境的装配约束语义模型

装配约束是用来支持分布式虚拟环境中装配交互操作的关键信息.装配约束信息的抽象性关系到对装配单元行为的支持力度,装配约束信息的组织机制决定了分布式虚拟装配计算机实现的效率.针对目前装配约束的抽象和使用方面存在的问题,首先研究装配约束的语义抽象与表达,从产品装配应用域中捕获知识,提取共性,归纳装配约束基本语义并形式化表达;然后提出一种扩展对象语义建模方法,通过该方法对装配约束语义进行组织,赋予其功能行为特性,构建装配约束语义模型.通过VEADAM系统实例,装配约束语义模型能够有效地支持分布式虚拟装配的实现,并能很好地适应应用的变化和扩展.     

场景语义约束的三维交互技术

针对复杂虚拟环境下的交互需求,从面向高层应用的角度对交互任务进行分析,提出三维交互任务的层次模型。结合应用特点,将虚拟场景中的语义约束引入到三维交互技术的设计中,实现了多种面向高层应用的导航技术和选择操作技术,并在不同交互技术和操作隐喻模式之间实现了自然的融合和平滑的转换。用户界面利用这些语义约束更好地感知和理解用户的交互意图,实现更为直观、高效的三维交互过程。     

基于语义约束的数据转换模式研究

XML是因特网中不同企业之间进行信息交流的一种标准的数据转换模式,为了加速数据之间的转换,企业组织通过定义公共数据文档接口来实现基于XML的应用。本文提出了一种新的将关系数据模式转换为XML模式的方法。在转换的过程中,不仅考虑关系模式的结构,而且考虑语义约束,比如内部函数依赖。该方法的输入模式是具有多值函数依赖的关系模式,输出模式是X-Schema。最后,通过实验对该转换方法进行了验证。     

基于模式有效产生XML语义约束

文章讨论了XML语义约束的产生问题。首先从约束与模式的关系出发,提出了模式蕴含的概念,论证了当约束被模式所蕴含时,可以从模式中产生而不是文档中产生,从而大大简化了问题。然后,针对四种常见语义约束的产生问题,提出了具体的算法,并研究了复杂性。研究及实验表明,被模式所蕴含的这些约束产生效率很高,它们的复杂性相对于DTD大小来说都是P。     

对象语义约束检验系统的设计和实现

我们使用一阶谓词逻辑公式表示对象的语义约束，即对象结构特片和操作行为特征约束，这些逻辑公式必须保证是一致的，并且对象在其演变的历史过程中必须满足对象约束，本文介绍一个对象语义约束检验系统。     

汉语分析的语义网络表示法

本文讨论机界翻译和自然语言处理中汉语分析的中间媒介表示, 重点是给出汉语信息的几个主要语言环节在语义网络中的表示方法, 通过实例说明它们是如何处理的。     

基于中文框架网络的浅层语义分析模型

在中文框架网络的基础上建立中文浅层语义分析模型。模型利用统计的方法,经过句子分解、识别框架元素界限、确定框架元素类型三个阶段。通过对模型进行实例数据分析,表明基于中文框架网络的浅层语义分析模型是可行的。     

基于最大熵分类器的语义角色标注

语义角色标注是浅层语义分析的一种可行方案.描述了一个采用最大熵分类器的语义角色标注系统,该系统把句法成分作为语义标注的基本单元,用最大熵分类器对句子中谓词的语义角色同时进行识别和分类.最大熵分类器中使用了一些有用的特征及其组合.在后处理阶段,在具有嵌套关系的结果中,只有概率最高的语义角色被保留.在预测了全部能够在句法分析树中找到匹配成分的角色以后,采用简单的后处理规则去识别那些找不到匹配成分的角色.最终在开发集和测试集上分别获得了75.49%和75.60%的F1值,此结果是已知的基于单一句法     

Support Vector Learning for Semantic Argument Classification

The natural language processing community has recently experienced a growth of interest in domain independent shallow semantic parsing—the process of assigning a Who did What to Whom, When, Where, Why, How etc. structure to plain text. This process entails identifying groups of words in a sentence that represent these semantic arguments and assigning specific labels to them. It could play a key role in NLP tasks like Information Extraction, Question Answering and Summarization. We propose a machine learning algorithm for semantic role parsing, extending the work of Gildea and Jurafsky (2002), Surdeanu et al. (2003) and others. Our algorithm is based on Support Vector Machines which we show give large improvement in performance over earlier classifiers. We show performance improvements through a number of new features designed to improve generalization to unseen data, such as automatic clustering of verbs. We also report on various analytic studies examining which features are most important, comparing our classifier to other machine learning algorithms in the literature, and testing its generalization to new test set from different genre. On the task of assigning semantic labels to the PropBank (Kingsbury, Palmer, & Marcus, 2002) corpus, our final system has a precision of 84% and a recall of 75%, which are the best results currently reported for this task. Finally, we explore a completely different architecture which does not requires a deep syntactic parse. We reformulate the task as a combined chunking and classification problem, thus allowing our algorithm to be applied to new languages or genres of text for which statistical syntactic parsers may not be available.Editors: Dan Roth and Pascale FungThis research was partially supported by the ARDA AQUAINT program via contract OCG4423B and by the NSF via grant IIS-9978025.     

中文语义依存关系分析的统计模型

该文提出了一个统计语义分析器,它能够发现中文句子中的语义依存关系．这些语义依存关系可以用于表示句子的意义和结构．语义分析器在1百万词的标有语义依存关系的语料库(语义依存网络语料库,SDN)上训练并测试,文中设计、实现了多个实验以分析语义分析器的性能．实验结果表明,分析器在非限定领域中表现出了较好的性能,分析正确率与中文句法分析器基本相当。     

浅层语义分析研究

语义分析是自然语言理解领域研究的根本性问题,浅层语义分析为此提供了一种新的解决途径.从语义学的角度讨论了浅层语义分析的发展历史和理论基础,概述了语义角色标注任务的定义、相关资源与方法.还着重介绍并比较了当前英语两大语义角色体系和汉语角色体系,最后给出了浅层语义分析中统计模型的现有特征集的句法语义分类.     

基于联合方法的中文语义角色标注

目前基于机器学习的中文语义角色标注(Semantic Role Labeling,SRL)方法大致可以分为两类:基于深层句法分析的方法和基于浅层句法分析的方法.由于基于这两种方法的SRL系统在性能和健壮性上各有优缺点,本文试图联合基于这两种方法的SRL系统的输出,通过一些全局特征训练出联合模型,对候选角色进行过滤,然后解决不满足句子论元结构限制的冲突角色得到最终标注结果,来提高标注的性能.在Chinese PropBank 1.0语料集上,联合模型的F值达到了78.41％,在基于深层句法分析的SRL的F值67.34％和基于浅层句法分析的SRL的F值71.67％基础上有了显著的提高,从而证明我们的联合方法是非常有效的.     

一种基于混合分析的汉语文本句法语义分析方法

本文提出了一种领域相关的汉语文本句法语义分析方法。根据领域文本的特点,该方法将浅层句法分析和深层句法语义分析结合在了一起。其浅层句法分析部分采用有限状态层叠的方法,将文本中的命名实体识别出来,从而大大减轻了深层分析部分的负担。其深层句法语义分析部分将语义分析和语法分析结合起来,主要依靠词汇搭配信息来决定句子的结构。该方法在解决领域相关文本的短语结构歧义方面取得了较好的试验结果。     

基于树形语义框架的神经语义解析方法

语义解析的目标是将自然语言表达映射为机器可理解的逻辑表达,该任务的关键挑战在于难以刻画自然语言中蕴含的组合语义.目前,结合深度神经网络模型的语义解析方法已经成为该领域的主流方法,该类方法通常采用编码器—解码器框架,通过设计树形结构的解码器或者在解码器中添加语法限制,从语法层面上提升逻辑表达生成的准确率.与现有的神经语义...     

半监督跨领域语义依存分析技术研究

近年来,尽管深度学习给语义依存分析带来了长足的进步,但由于语义依存分析数据标注代价非常高昂,并且在单领域上性能较好的依存分析器迁移到其他领域时,其性能会大幅度下降.因此为了使其走向实用,就必须解决领域适应问题.该文提出一个新的基于对抗学习的领域适应依存分析模型,该模型基于对抗学习的共享双编码器结构,并引入领域私有辅助任...