基于语言现象的文本蕴涵识别

该文提出一种基于语言现象的文本蕴涵识别方法,该方法建立了一个语言现象识别和整体推理判断的联合分类模型,目的是对两个高度相关的任务进行统一学习,避免管道模型的错误传播问题并提升系统精度。针对语言现象识别,设计了22个专用特征和20个通用特征;为提高随机森林的泛化能力,提出一种基于特征选择的随机森林生成算法。实验结果表明,基于随机森林的联合分类模型能够有效识别语言现象和总体蕴涵关系。     

基于知识话题模型的文本蕴涵识别

该文分析了现有基于分类策略的文本蕴涵识别方法的问题,并提出了一种基于知识话题模型的文本蕴涵分类识别方法。 其假设是: 文本可看作是语义关系的组合,这些语义关系构成若干话题;若即若文本T蕴涵假设H,说明 T 和 H 具有相似的话题分布,反之说明T 和 H 不具有相似的话题分布。基于此,我们将 T 和 H 的蕴涵识别问题转化为相关话题的生成过程,同时将文本推理知识融入到抽样过程,由此建立一个面向文本蕴涵识别的话题模型。实验结果表明基于知识话题模型在一定程度上改进了文本蕴涵识别系统的性能。     

文本蕴涵的推理模型与识别模型

该文首先介绍一个逼近文本蕴涵关系的推理模型,它由带有推理规则集的蕴涵型式知识库和相关的概率评价构成。接着介绍习得推理规则和蕴涵型式及其概率的几种方法,包括从平行或单一语料库中学习和从网络文件中学习。然后介绍基于词汇概率的蕴涵识别模型,包括通过构建词汇蕴涵的概率模型和基于词汇所指的语义匹配模型来逼近文本蕴涵的几种方法。最后介绍基于句法的语义分析模型,包括基于依存树节点匹配、论元结构或原子命题匹配等处理模型。     

基于图式的文本蕴涵识别初探

文本蕴涵识别是大部分自然语言信息处理应用的核心。该文尝试探讨文本蕴涵识别中涉及的(意象)图式理据。通过对选自语料例子的分析,显示各类图式是如何成为文本蕴涵识别的理据的。图式包括物性结构、理想认知模型、框架、脚本等。这些图式都是表示语义信息的结构。从广义上讲它们都可以纳入语义特征的范畴,都可能成为蕴涵关系成立的理据。基于图式的文本蕴涵识别研究结合有关图式库的构建,有望为突破文本蕴涵识别瓶颈作出重要贡献。     

融合词义信息的文本蕴涵识别方法

文本蕴涵识别是对两个文本之间语义关系的有向推理,而词汇的词义对理解文本的语义以及推理文本之间的语义蕴涵关系有着重要作用.因此,为了有效利用词汇的词义信息推断文本之间的语义蕴涵关系,该文提出一种融合词义信息的文本蕴涵识别方法.该方法首次提出将原始的词汇转化为对应的目标词义,然后利用词汇的词义信息改善文本的语义表示和文本间...     

多特征文本蕴涵识别研究

文本蕴涵识别是解决自然语言中存在的同义异形问题的有效途径。虽然国内外学者已经提出了很多文本蕴涵识别模型,但影响文本蕴涵识别的因素错综复杂,识别准确率普遍不高。该文把文本蕴涵识别看作二元分类问题,抽取词汇特征、句法依存关系特征及FrameNet语义知识库特征的多种特征构造特征矩阵,训练SVM分类器,实现文本蕴涵识别。该方法在国际文本蕴涵识别技术评测RTE3的测试集上进行测试,蕴涵正例识别准确率达到了78.1%,高于RTE3评测2-ways的最高结果。     

基于短文本隐含语义特征的文本蕴涵识别

该文采用基于短文本隐含空间语义特征改进文本蕴涵识别,该方法通过构造句子的隐含变量模型,并融合基于该模型的句子之间相似度特征,和词汇重叠度、N元语法重叠度、余弦相似度等字符串特征,以及带标记和未标记的子树重叠度句法特征一起利用SVM进行分类。基于该分类算法,我们对RTE-8任务进行了测试,实验表明短文本的隐含语义特征可有效改进文本蕴涵关系识别。
     

一种针对延迟的时间标记动态矩阵控制

由网络引入的通信延迟能导致系统性能退化甚至不稳定，针对这种网络控制系统中的延迟，引入时间标记的动态矩阵控制算法（TSDMC），建立随同时间标记的通信延迟模型。通过时间标记测量网络延迟，在线校正系统的阶跃响应系数和控制系数．并给出了算法的推导过程。根据仿真的确认，这种新的算法能得到比传统动态矩阵控制算法更好的控制性能，改进了网络控制系统可靠性。     

基于混合主题模型的文本蕴涵识别

分析识别文本蕴涵的主流方法,并基于文本T和假设H可以从潜在混合主题中生成的猜想,提出一个混合主题模型来识别文本蕴涵,描述一个在混合主题模型上生成文本的概率模型。该模型把文本T和假设H看成是同一语义的不同表达,表示为多模式的数据,若文本T和假设H有蕴涵关系,则它们有相似的主题分布,共享混合词汇表和主题。设计mixLDA和LDA模型的对比实验,并对RTE-8任务进行测试,通过支持向量机对得到的句子相似度和其他词法句法特征进行分类。实验结果表明,基于混合主题模型的文本蕴涵识别具有较高的准确率。     

微博社区的动态节点自适应增量交互优化

大多数的社区发现方法是基于网络拓扑结构和边缘密度来进行最佳社区确定,但是这些方法具有非常高的计算复杂度,对网络的形式和类型非常敏感。为解决这些问题,提出基于动态节点自适应增量模型的微博社区交互优化算法,该算法在优化每个社区内成员的交互作用的基础上,利用贪婪算法有效地搜索最优社区的候选,无需遍历所有节点。该模型可快速、准确地测量社区内部和社区之间的交互作用差异。最后,在基准测试网络和搜狐微博平台抓取数据上的仿真测试显示,所提算法在召回率、准确率、算法计算时间以及网络覆盖率等指标上,要优于选取的对比算法。     

基于非对称双分支交互神经网络的水下生物识别

针对水底环境存在着可见度低、光照条件差、物种间特征差异不明显等问题,基于卷积神经网络,提出了一种新的非对称双分支水下生物分类模型。模型中交互分支利用不同的卷积神经网络中间层提取局部特征并通过交互模块对局部特征进行交互,增强分类模型的局部特征学习能力;卷积神经网络分支可以有效地学习到目标的全局特征,弥补交互分支中忽略的全局信息。在Fish4-Knowledge(F4K)、Eilat、RAMAS三个数据集上取得了98.9%、98.3%、97.9%的准确率,较前人方法有显著提高;视觉解释也验证了该模型可以有效地捕捉到局部特征并消除背景影响。最终显示,该模型在水下环境具有良好的分类性能。     

交互式遗传算法基于NN的个体适应度分阶段估计

针对交互式遗传算法中人的疲劳问题,提出一种基于神经网络(NN)的个体适应度分阶段估计方法,给出了神经网络估计进化个体适应度与人的评价之问的转换策略以及神经网络学习效果的评价指标,并分析了算法的复杂性．实例结果验证了该方法的有效性。     

自动交互图像分割中的贝叶斯网络模型构建

由于贝叶斯模型和各种图像测量结果,置信传播会更新每个节点的相关概率,提出了在自动交互图像分割过程中应用的新型贝叶斯网络模型。从过度分割模型中的超级像素点区域、边区域、顶点和测量结果之间的统计相关性来构造多层贝叶斯网络模型。除了自动图像分割,贝叶斯网络模型也可用于交互式图像分割中,现有交互分割往往被动地依靠用户提供的准确调整,提出新型主动输入选择方式作为准确调整。实验采用Weizmann数据集和VOC 2006图像集来评估,实验结果表明贝叶斯网络模型可以进行效果更好的自动分割,主动输入选择可以提高整体分割精度。     

基于直觉模糊——神经网络的色情图像识别算法

网络中色情图像的传播严重影响了网络信息内容的安全性。为提高色情图像识别的准确度,提出了一种直觉模糊理论和FP（Forward Propagation）神经网络相结合的色情图像识别算法。算法以颜色直方图为底层特征,根据色情图像颜色分布情况,由模糊理论和直觉模糊理论共同构建图像特征矩阵;采用FP网络实现色情图像特征训练过程,其中特征矩阵的权重通过反向传播神经网络训练得到,以加权距离建立球形邻域半径;最后通过球形邻域覆盖情况识别色情图像。实验结果表明,该算法能够在不影响识别速率的前提下,有效的提高识别准确度。     

面向阅读理解的多对一中文文本蕴含问题研究

机器阅读理解作为一种微阅读模式近年来在自动问答领域受到广泛关注,针对机器阅读理解中多对一的文本蕴含问题,该文首先构造了8 000级别的多句—单句中文文本蕴含语料M2OCTE,其次采用了层级神经网络模型,有效融合多个句子之间的语义信息,将多对一的蕴含对表达成统一的形式,实现端到端的输出。该方法在高考现代文阅读理解蕴含数据集上的准确率为58.92%,比将多句—单句的文本蕴含转换为单句—单句之后进行处理的准确率要高。同时也在英文数据集上进行了测试,实验结果验证了该方法的有效性。     

A preliminary poetics for interactive drama and games

Interactive drama has been discussed for a number of years as a new AI-based interactive experience. While there has been substantial technical progress in building believable agents and some technical progress in interactive plot, no work has yet been completed that combines plot and character into a full-fledged dramatic experience. Part of the difficulty in achieving interactive drama is due to the lack of a theoretical framework guiding the exploration of the technological and design issues surrounding it. This paper proposes a theory of interactive drama integrating Laurel's Aristotelian structural model with Murray's concept of agency. The resulting theory illuminates the general conditions under which a user will experience agency in any interactive experience and provides design and technology guidance for the particular case of building interactive dramatic worlds.     

An interactive tool for recognizing structured figures with variable shapes

In electric power supply, railway, and other companies with many facilities, facility management is a laborious task. To realize a computerized facility management system, numerous paper-based facility maps should be stored in a database. In this paper, we present a system that constructs a facility management database by interpretation of paper-based facility maps. This system can automatically recognize structured figures with variable shapes on maps, while conventional methods cannot recognize these figures. And this system can easily generate relational data between facilities and character strings on maps. We compare our recognition method of structured figures with variable shapes with a conventional recognition method, and show the effectiveness of our system. Received: 18 November 1996 / Accepted: 16 February 1998     

基于多维标度的动态网络选择算法

异构无线网络的网络选择问题中,除了考虑多属性的网络参数外,还需考虑无线信道的时变性特征。针对这两个考虑因素,提出了一种基于多维标度的新的动态网络选择算法,可将多属性判决的网络选择问题近似转化为一个低维的拟合构图,并能反映不同时刻同个网络的变化。仿真结果表明,在不考虑负载的情况下,提出的算法能有效地选择出适合于移动终端当前业务的网络,并能在低维坐标系中直观地观察网络间的区别。     

基于Hermite神经网络的动态手势学习和识别

为提高动态手势学习速度和识别准确率,本文提出一种基于Hermite正交基前向神经网络的动态手势识别方法。利用Camshift算法实时跟踪手势运动轨迹,提取手势特征向量作为神经网络的输入;以Hermite正交基函数作为隐含层激励函数构造三层前向神经网络,并给出一种基于伪逆的直接计算权值方法和根据网络目标精度要求自适应确定隐含节点数目方法;运用训练好的Hermite神经网络识别动态手势。测试结果表明:Hermite神经网络能够提高网络的学习训练速度和精度,提高手势学习速度和识别准确率,而且在手势识别方面具有较好的鲁棒性和泛化能力。