亲属关系的逻辑意义及其自动推理

用一阶谓词逻辑设计了一个亲属关系的自动推理模型。首先,把亲属关系（称谓）视为谓词,相关的人物视为变元,把亲属关系和有关性质用“或”、“与”及“逆”等运算符号联结成亲属关系表达式。然后,选取11种基本的亲属关系作为亲属基元,并构造亲属基元转换和化简的九大定理,用以描写和定义其他一百多种亲属关系,从而形成亲属关系转换的核心知识库。最后,给出一种简洁的亲属关系转换算法,主要包括连接、求逆、化简和组配等运算。     

亲属关系网络统计特性研究

近年来,许多学者以复杂网络为主要的研究工具,开始深入研究社会网络、技术网络、生物网络和神经网络四大类网络以及各个网络的统计特性和网络上的动力学行为。亲属关系作为一种复杂的社会关系,不同于已有的复杂网络中节点间的连接关系,基于亲属关系构造的复杂网络有其独特的性质。以亲属关系为连接边构建一定地区范围内的亲属关系网络,在此基础上分析和研究亲属关系网络拓扑结构具有的普遍复杂网络统计特性。研究指出,亲属关系网络的拓扑结构具有小世界效应、独特的度概率分布和度-度正相关等特征。同时,对于亲属关系网络的研究将有助于分析出某地区近亲结婚现象存在的可能性高低。     

亲属关系网络的关系追溯算法

人与人之间通过婚姻关系和亲子关系构成了亲属关系网络。针对亲属关系网络庞大、难以追溯等问题,结合广度优先搜索策略,提出了两种亲属关系追溯算法：半径搜索和定向搜索。依托河北省全员人口数据库,将数据范围扩展到复杂网络的层次,以市级亲属关系数据为例构建亲属关系网络,包含约415万个节点,约1088万条边。采用双向亲属关系存储,避免了亲属关系回溯查询等问题。实验结果表明关系追溯算法能够准确定位特定关系亲属,同时具有较高的执行效率和较好的灵活性。     

移动社交网络幂律分布特征及亲属关系判别

社交网络特征和用户关系是社交网络分析研究的重要内容。该文对移动社交网络中存在的幂律分布及用户亲属关系判别问题进行研究。在幂律分布的研究中,该文在度、连通子图规模及用户联系人数量的分布中找出存在的三个幂律分布,同时分析其中规律和结论,并与其他社交网络进行对比。在该文亲属关系判别研究中,通过提取用户通话行为的多种显著特征,采用GBDT(gradient boost decision tree)与LR (logistic regression)融合方法,提出一种用户亲属关系判别模型,并通过实验验证该模型能有效判别出用户间是否存在亲属关系,判别精确率达到81.01%。     

一种基于大知识库的亲属关系自动推理模型

我们采用“大知识库—小运算”的技术路线,提出一个汉语亲属关系的自动推理模型。首先,在充分研究汉语亲属关系的词汇—语法表达的基础上,给汉语常见的亲属关系及其情景语义建立认知模型。然后,据此构造大型的汉语亲属关系知识库,包括外围知识库和核心知识库两种。前者详尽列举亲属名词和称呼动词所涉及的各种句式,并给出相应的语义表达式;后者包括三个子库 性质库(刻画亲属关系中的性别、长幼等属性)、逆判断库(刻画“父—子”等反对称关系对子)和传递库(刻画通过中介人把称呼人与被称呼人联系起来的各种路径,共计3 600余条)。在此基础上,形成了一个汉语亲属关系自动推理模型,可以在已知ABC三边关系的任意两边时快速地推导出未知的另一边关系。     

基于亲属关系网络的特定家庭结构匹配方法研究

随着数据规模的增大以及人与人之间关系复杂性的提高,在亲属关系网络中查询特定的家庭结构已经成为研究的难点之一。传统的关系型数据库并不擅长处理关系复杂、结构多变的数据。因此,本文基于图数据库构造了H省的亲属关系网络。针对亲属关系网络中数据庞大、结构复杂、难以批量匹配数据中的特定结构等问题,本文提出了基于亲属关系网络的特定家庭结构匹配方法。此外,本文还根据人口学中家庭结构的分类标准,对不同类型的家庭进行查询;实验结果表明,该方法简化了复杂数据的查询工作,提高了查询正确率,实现用户查询友好性提升。     

基于亲属关系网络的问卷调查系统

计算机辅助访谈(Computer-Assisted Interviewing, CAI)已广泛应用于社会调查研究. 较之一般的CAI系统, 基于亲属关系网络的问卷调查系统着重于解决复杂问卷设计、亲属关系网络构建和访谈数据分析处理等问题. 本系统采用XML描述并存储问卷及访谈数据, 提供了用于深度访谈的复杂问卷设计工具, 并支持问卷的国际化本地化以适应不同文化区域的研究; 提出了生成亲属关系网络图的迭代算法, 以支持基于亲属关系网络图的可视化访谈过程, 实现便捷、高效、可靠的访谈数据采集; 数据预处理功能将调查数据输出为统计分析软件可读的数据表, 便于后期量化分析. 本系统可应用于家庭人口结构分析以及面向亲友的各种交互行为调查研究, 目前已在国内外多个田野点运用, 满足了相关社会调查研究的需求.     

亲属关系自动推理模型研究

为了解决复杂亲属关系的推理问题,基于代数理论提出了一套适用于中文语境亲属关系的代数表示模型.同时构建丰富的知识库来辅助亲属关系模型推演.知识库包括外围知识库(亲属名称和称呼)、性质库(亲属关系中的性别和年龄长幼信息)、逆判断库(父子、夫妻等的逆关系)和传递库(刻画多层亲属关系的路径推理).这一模型的提出首先根据国标GB...     

基于自注意力机制的亲属关系识别

目前, 基于局部注意力机制的卷积神经网络(CNNs)用于亲属关系识别特征提取获得了不错的效果, 但基于卷积神经网络的主干模型提升不明显, 同时鲜有研究者使用具有全局信息捕获能力的自注意机制. 因此, 提出使用基于一种无卷积主干特征提取网络的S-ViT模型, 即用具有自全局注意力机制的Vision Transformer作为基础主干特征提取网络, 通过构建孪生网络与具有局部注意力机制的CNN相结合, 扩大传统分类网络, 用于亲属关系识别相关问题的研究. 最终实验结果表明, 相比RFIW2020挑战赛领先的方法, 所提出的方法在亲属关系识别3个任务上获得了良好的效果, 第1个任务中获得了76.8%验证精度排名第二, 第2个和第3个任务中排名第三, 证明了该方法的可行性和有效性, 为亲属关系识别提出了一种新的解决方法.     

人脸局部特征增强的亲属关系验证方法

亲属关系验证是人脸识别的一个重要分支,可以用于寻找失散亲人、搜寻走失儿童、构建家庭图谱、社交媒体分析等重要场景。父母和孩子的人脸图像之间往往存在较大的差异,如何从人脸中提取到有鉴别力的特征是提高亲属关系验证准确率的关键。因此,提出了一种基于深度学习和人脸局部特征增强的亲属关系验证方法,构建了人脸局部特征增强验证网络（Local Facial Feature Enhancement Verification Net,LFFEV Net）,获取用于亲属关系验证的具有强鉴别力的人脸特征表示。LFFEV Net由局部特征注意力网络和残差验证网络两部分组成。局部特征注意力网络提取人脸局部关键特征,将获取的局部关键特征和对应的原始图像一同输入到残差验证网络中获取更具鉴别力的人脸特征,将特征经过融合并结合Family ID信息进行亲属关系验证。算法在公开的亲属关系数据集KinFaceW-I和KinFaceW-II上进行测试,实验结果表明,所设计的方法在亲属关系验证任务中有较高的识别率。     

事件常识的获取方法研究

在动态语义学的基础上,以事件的语义、文法和常识为标准构建多层次的事件分类体系,并使用该分类体系提取事件的常识知识。事件采用框架的方式来表示,称为事件框架。事件框架的内容包括事件的定义、事件之间的关系、事件的文法表达、事件的谓词表示、事件的例句、事件的前提常识和后果常识。利用事件框架的内容提取事件的常识。为了说明该方法的实用性,以事件分类体系中典型的“交易类”事件为例来描述事件常识的获取方法。     

Web mining for event-based commonsense knowledge using lexico-syntactic pattern matching and semantic role labeling

A sophisticated commonsense knowledgebase is essential for many intelligent system applications. This paper presents a methodology for automatically retrieving event-based commonsense knowledge from the web. The approach is based on matching the text in web search results to designed lexico-syntactic patterns. We apply a semantic role labeling technique to parse the extracted sentences so as to identify the essential knowledge associated with the event(s) described in each sentence. Particularly, we propose a semantic role substitution strategy to prune knowledge items that have a high probability of erroneously parsed semantic roles. The experimental results in a case study for retrieving the knowledge is “capable of” shows that the accuracy of the retrieved commonsense knowledge is around 98%.     

基于改进的主动逻辑与元认知环的机器人常识推理的研究

针对常识推理的非单调和异常问题,构建了基于改进的主动逻辑与元认知环的机器人常识推理框架。首先,针对机器人在执行任务时易受异常情况干扰的问题,引入元认知环对异常进行监视和评估并引导机器人。其次,对主动逻辑进行改进,定义了事实、常识,及它们相互之间的蕴含、否定和无关三种关系,给出了详细的矛盾知识的发生的条件和定义,并给出了对应的矛盾知识的处理方法,提出在主动逻辑中事实包含关系的传递性及推理的非直接传递性以有效检测和处理矛盾。最后,设计的Pr2机器人取书的实验进一步验证了元认知环以及主动逻辑在机器人执行任务时对异常情况和矛盾知识处理的有效性。     

信念系统中对抗规则及其策略的构造和实现

本文叙述基于人类主观理解的信念系统实验模型的、学习机制和工作原理。提出采用对抗规划的方法处理目标冲突类常识。着重论述信念系统规划库中对抗规划和对抗规划策略的构造和实现。     

支持规则推理的神经网络模型

本文研究了支持规则推理的神经网络模型，表明通常执行的推理与符号系统在方法上确实相似，只是它们对常识推理提供了更多的方法。CONSYDERR是一种支持常识推理的连接结构，其目的是给出常识推理的一种模型，并纠正传统规则系统中的脆弱性问题。本项工作表明，推理的连接模型不仅实现了符号推理，而且是一种更好的常识推理的计算模型。     

融合自适应常识门的图像描述生成模型

针对传统的图像描述模型不能充分利用图像信息且融合特征方式单一的问题,提出了一种融合自适应常识门（ACG）的图像描述生成模型。首先,使用基于视觉常识区域的卷积神经网络（VC R-CNN）提取视觉常识特征,并将常识特征分层输入到Transformer编码器中;然后,在编码器的每一分层中设计了ACG,从而对视觉常识特征和编码特征进行自适应融合操作;最后,将融合常识信息的编码特征送入Transformer解码器中完成训练。使用MSCOCO数据集进行训练和测试,结果表明所提模型在评价指标BLEU-4、CIDEr和SPICE上分别达到了39.2、129.6和22.7,相较于词性堆叠交叉注意网络（POS-SCAN）模型分别提升了3.2%、2.9%和2.3%。所提模型的效果明显优于使用单一显著区域特征的Transformer模型,能够对图像内容进行准确的描述。     

面向常识的时间推理

常识和时间推理是人工智能研究的两个主要课题.Allen等人提出的时间推理缺少时间点、时区和时距的统一表示;过分考虑计算,缺少规则推理;求解算法难以应用于多Agent环境并且没有考虑常识不一致性.该文提出一种时间信息表示网络,分析了约束之间的推导规则,给出了常识时间问题的多Agent合作满足弱路径一致性的求解方法.该文的工作改进了Meiri,Wetprasit和Sattar等人的工作,为时间推理结合常识特性和适应多Agent合作环境提供了可行的方案.     

常识问答研究综述

常识问答是一项重要的自然语言理解任务, 旨在利用常识知识对自然语言问句进行自动求解, 以得到准确答案. 常识问答在虚拟助手或社交聊天机器人等领域有着广泛的应用前景, 且其蕴涵了知识挖掘与表示、语言理解与计算、答案推理和生成等关键科学问题, 因而受到工业界和学术界的广泛关注. 首先介绍常识问答领域的主要数据集; 其次, 归纳不同常识知识源在构建方式、常识来源和表现形式上的区别; 同时, 重点分析并对比前沿常识问答模型, 以及融合常识知识的特色方法. 特别地, 根据不同问答任务场景中常识知识的共性和特性, 建立包含属性、语义、因果、语境、抽象和意图6大类的知识分类体系. 以此为支撑, 针对常识知识数据集建设, 感知知识融合和预训练语言模型的协作机制, 以及在此基础上的常识知识预分类技术, 进行前瞻性的研究, 并具体报告上述模型在跨数据集迁移场景下的性能变化, 及其在常识答案推理中的潜在贡献. 总体上, 包含对现有数据和前沿技术的回顾, 也包含面向跨数据知识体系建设、技术迁移与通用化的预研内容, 借以在汇报领域技术积累的前提下, 为其理论和技术的进一步发展提供参考意见.     

初等数学应用题题意理解中的常识库系统构建

类人计算领域, 题意的机器理解是数学应用题自动求解的难点. 常识性知识的缺失直接影响到题意理解的准确性. 本研究以常识为研究对象, 收集了历年初等数学古典概型的典型案例, 分析了古典概型类应用题的常识特征, 并进行了常识类型划分; 设计了XML结构存储常识性知识, 构建常识库系统实现古典概型常识的分类、表征及存储, 辅助计算机进行题意理解. 通过典型案例的应用, 其结果显示本研究构建的常识库对古典概型应用题的题意正确理解是十分有帮助的.     

基于情感常识的情感分析

近年来,随着人工智能领域的蓬勃发展,计算机对于常识知识的需求逐渐增加。情感常识作为常识知识中的一部分,同样是当前情感计算领域的一个重要方面。鉴于情感词典结构与内容的局限性,该文设计了一种二元情感常识结构并以此为基础构建中文情感常识库。其构建过程首先通过知识提取获得情感常识知识候选集,再经过人工筛选与自动化扩展形成最终的情感常识库。在公开数据集上的实验结果表明,该文所构建的二元情感常识库有利于提高文本情感分析的精度。