基于XML知识表示方法的研究进展

综述了近年来基于XML的知识表示方法的研究进展。分别从基于XML的知识表示方法、研究现状和具体应用情况进行介绍,展望了XML知识表示方法的未来研究方向和发展前景。     

一种基于HornML的Web知识表示方法

论文提出了基于HornML的多级知识单元表示方法,它可以满足Web上对知识表示的要求,它适合于Web上分布式知识的交换和统一存储,具有比较强的表达能力且易于通过扩展Schema增加新的知识表示能力,方便表示Horn子句规则的同时介绍了在其上的推理方法,我们将其应用在网络农业专家系统中,取得了良好的应用。     

农业智能系统开发平台的知识表示与推理策略

针对农业智能系统的知识特点,提出基于框架知识单元和求解知识单元的知识组织结构,同时采用XML作为知识描述语言的知识表示方法,在此基础上采用混合推理的推理策略,并实现了不确定推理．该知识表示方法和推理策略已经在工作中得到实际应用,较以往知识表示方法,在知识获取、知识的直观充分表达、知识扩充、知识模块化、知识共享等方面都取得了很好的效果．     

基于本体的产品设计知识表示方法

针对产品设计知识的多样性、动态化和相关性等特点,提出了一种基于本体的产品设计知识表示方法。建立了以客体、概念集、属性集、命题集和函数集为核心的知识单元,并设计了五者之间的联系,在此基础上引入了输入输出模块,以增强产品设计知识表示的全面性和灵活性。最后以圆柱形螺旋弹簧设计为例,验证了所提方法的有效性。     

个性化CAI系统中基于XML的知识表示

知识表示是实现个性化教学的基础。知识点是教学活动过程中传递教学信息的基本单元，知识点之间的关系可用一个总体树／局部图的组织模型来表示，这与XML文档的树形结构相合。利用XML良好的语义性来描述结构化的学习资源是为了容易地实现远程教育信息的标准化和智能教学导航。     

知识网格中基于RDF的知识表示技术和应用

简要介绍了两种基本的知识表示技术,以及各自的优缺点;详细介绍了RDF技术,提出了一种基于RDF的知识表示技术及其形式、语法和语义;以数字图书馆信息资源描述的一个实例说明了该技术的实际应用。     

个性化CAI系统中基于XML的知识表示

知识表示是实现个性化教学的基础.知识点是教学活动过程中传递教学信息的基本单元,知识点之间的关系可用一个总体树/局部图的组织模型来表示,这与XML文档的树形结构相合.利用XML良好的语义性来描述结构化的学习资源是为了容易地实现远程教育信息的标准化和智能教学导航.     

面向信息挖掘的XML知识表示方法研究

在研究了基于XML的知识发现过程的基础上,作者提出了XML的知识表示方法。论文重点探讨了在信息挖掘的过程中,使用XML实现的三个方面知识表示:数据预处理的知识表示;挖掘算法的知识表示;挖掘结果的知识表示。最后以聚类分析为例,给出了知识表示的应用并总结了XML知识表示方法的优点。     

基于粗糙集的不确定知识表示方法

本文基于粗糙集的基本理论,分析了知识的构成及表达机理,定义了用于知识表示的特征集和原子概念,并在此基础上提出了一种知识表示特征集模型。该模型对确定性知识可进行精确表达;而对不确定性知识则采用逼近的方式来描述。本文提出的特征集模型为不确定知识的表示提供了新的思路。     

基于混合知识表示的专家系统设计

论述了混合知识表示的重要性,介绍了知识表示应具备的性质和基本原则,运用混合知识表示方法设计了切屑折断过程与槽型ＣＡＤ专家系统。     

知识表示学习研究进展

人们构建的知识库通常被表示为网络形式,节点代表实体,连边代表实体间的关系.在网络表示形式下,人们需要设计专门的图算法存储和利用知识库,存在费时费力的缺点,并受到数据稀疏问题的困扰.最近,以深度学习为代表的表示学习技术受到广泛关注.表示学习旨在将研究对象的语义信息表示为稠密低维实值向量,知识表示学习则面向知识库中的实体和关系进行表示学习.该技术可以在低维空间中高效计算实体和关系的语义联系,有效解决数据稀疏问题,使知识获取、融合和推理的性能得到显著提升.介绍知识表示学习的最新进展,总结该技术面临的主要挑战和可能解决方案,并展望该技术的未来发展方向与前景.     

知识表示方法比较

阐述知识表示的概念,介绍各种知识表示方法.通过讨沦知识表示的执行层、逻辑层、表示应用层三个层面,构建比较和评估各种知识表示方法在智能系统中的指标框架,并且进行简单的比较.最后,通过比较认为该框架可以指导我们选择合适的知识表示方法解决实际问题.     

电子词典与词汇知识表达

词汇知识的表达与取得是自然语言处理极须克服的问题,本论文提出一个初步的架构与常识的抽取机制。语言处理系统是以词为讯息处理单元,登录在词项下的讯息可以包括统计、语法、语义、常识等。语言分析系统利用〈词〉为引得取得输入语句中相关词汇的语法、语义、常识等信息,让语言处理系统有更好的聚焦能力,可以藉以解决分词歧义、结构的歧义。对于不易以人工整理取得的常识,本论文也提出计算机自动学习的策略,以渐进式的方式累积概念与概念之间的语义关系,来增进语言系统的分析能力。这个策略可行的几个关键技术,包括(1)未登录词判别及语法语义自动分类, (2)词义分析, (3)应用语法语义及常识的剖析系统。     

Multi-Level Shape Representation Using Global Deformations and Locally Adaptive Finite Elements

We present a model-based method for the multi-level shape, pose estimation and abstraction of an object's surface from range data. The surface shape is estimated based on the parameters of a superquadric that is subjected to global deformations (tapering and bending) and a varying number of levels of local deformations. Local deformations are implemented using locally adaptive finite elements whose shape functions are piecewise cubic functions with C ¹ continuity. The surface pose is estimated based on the model's translational and rotational degrees of freedom. The algorithm first does a coarse fit, solving for a first approximation to the translation, rotation and global deformation parameters and then does several passes of mesh refinement, by locally subdividing triangles based on the distance between the given datapoints and the model. The adaptive finite element algorithm ensures that during subdivision the desirable finite element mesh generation properties of conformity, non-degeneracy and smoothness are maintained. Each pass of the algorithm uses physics-based modeling techniques to iteratively adjust the global and local parameters of the model in response to forces that are computed from approximation errors between the model and the data. We present results demonstrating the multi-level shape representation for both sparse and dense range data.     

基于本体的产品知识表达

产品开发过程分工的加强、市场和全球化竞争的激烈都要求工厂能够更迅速地生产更廉价和质量更高的产品，而这需要一个更有效并且强有力的产品知识管理系统，以支持产品知识的表达、重用、共享和交流等．研究了产品知识表达的模型，即S—B—F，结合本体描述语言构建了流本体和功能本体，设计出基于本体的产品知识表达，并进一步提出了可行的应用模型。     

聚合邻域信息的联合知识表示模型

知识表示学习在关系抽取、自动问答等自然语言处理任务中获得了广泛关注,该技术旨在将知识库中的实体与关系表示为稠密低维实值向量.然而,已有的模型在建模知识库中的三元组时,或是忽略三元组的邻域信息,导致无法处理关联知识较少的罕见实体,或是在引入邻域信息时不能自适应地为每个实体抽取最相关的邻节点属性,导致引入了冗余信息.基于以...     

GSIES-TOOL中的知识表示及知识库的构造

在开发岩土工程安全监测专家系统开发工具(GSIES-TOOL)的过程中,针对岩土工程安全监测领域的具体特点,将传统的产生式规则和推理树、方法、实例、解释机制封装在一起,设计了一种新的知识表示方法OORL。在用OORL来描述该领域的知识后,根据对该领域知识的分类,进一步采用树形结构对该系统的知识库进行了分级构造,并通过双向链条机制对知识库中的相邻层次进行约束,以确保对知识库维护的安全性。由此而建立起来的知识库层次性好、推理效率高、易于管理。     

基于本体的领域知识表示和获取

本体的方法是新的知识表示的有效手段。文章讨论分析了利用RDR和FCA对领域知识表示和获取,以及在此基础上的本体的构建方法。探讨了在这种机制下如何实现对领域信息的抽取。     

一种改进的基于翻译的知识图谱表示方法

知识图谱在人工智能上有很大的研究价值,并被广泛应用于语义搜索和自动问答等领域.知识图谱表示将包含了实体和关系的大规模知识图谱映射到一个连续的向量空间.为此,有一系列知识表示模型提出,其中基于翻译模型的经典方法TransE不仅模型复杂度低、计算效率高,而且同样具有良好的知识表达能力.但是,TransE亦存在2个缺陷：1)它使用了不够灵活的欧氏距离作为度量,对每一个特征维同等对待,模型的准确性可能受到无关维度的干扰;2)它在处理自反、一对多、多对一和多对多等复杂关系时存在局限性.目前,还没有一种方法能同时解决上述2个缺陷,因此提出一种改进的基于翻译的知识图谱表示方法TransAH.对于第1个缺陷,TransAH采用了一种自适应的度量方法,加入了对角权重矩阵将得分函数中的度量由欧氏距离转换为加权欧氏距离,并实现了为每一个特征维区别地赋予权重.针对第2个缺陷,受TransH方法的启发,TransAH引入面向特定关系的超平面模型,将头实体和尾实体映射至给定关系的超平面加以区分.最后,在公开真实的知识图谱数据集上分析和验证了所提方法的有效性.利用链路预测和三元组分类这2项任务开展了全面横向评测实验,相较于现有的模型和方法,TransAH在各项指标上均取得了很大的进步,体现了其优越性.