基于属性文法和语义网络的综合知识表示模型

本文提出了一个属性文法计算模型与语义网络表示模型相结合的综合知识表示模型.根据形式化的语义网络表示模型和属性文法的特点,该模型使用属性文法的符号建立了一些适合于语义网络表示模型的语法和语义规则模式,并且可通过扩充的属性文法的解释器来实现推理.     

FORTRAN语言的一个属性文法

本文介绍了用属性定义语言ALADIN写的FORTRAN语言的属性文法。该文法描述了FORTRAN语言的语法结构及其静态语义,包括作用域规则、说明的建立、表达式分析和出错处理等。     

自动提取词汇化树邻接文法

提出了一种从宾州中文语料库中自动提取词汇化树邻接文法(LTAG)的算法。该算法的主要思想是从词汇化树库中归纳出三种类型的词汇化树,然后利用了中心词驱动短语结构文法的方法从语料库自动提取结构合理的词汇化树;最后由语言规则对不合法的词汇化树进行过滤。与手工创建词汇化树邻接文法相比,它需要较少的人力,并且避免了人工创建词汇化树可能造成的遗漏或不一致现象。     

基于文法规则匹配的自然语言处理系统研究与实现

对对话管理系统中的自然语言理解技术进行了研究,提出了基于文法规则匹配的自然语言处理方法,给出了采用该方法实现的自然语言处理系统的结构模型。对自然语言信息通过文法规则自动机解析为参数信息的过程做了介绍,并给出了规则应用举例。     

基于上下文依赖规则覆盖的句子生成

基于规则覆盖的句子生成,是上下文无关文法句子生成的主要方法,但是它也具有局限性。最近提出的上下文依赖规则覆盖,能根据文法的内部结构不同而具有不同的分支集合,比规则覆盖的精度更高。目前,尚未见这种上下文依赖规则覆盖的句子生成算法。该文在规则覆盖的句子生成算法的基础上,实现一个基于上下文依赖规则覆盖的句子生成算法。该算法已在机器上实现并经过实验检验。     

上下文无关文法推断中的几条启发规则及其应用

本文先简要介绍了一种上下文无关文法的推断方法--逐步求精法，然后论述了递归概念在文法推断中的核心作用，并从递归概念的特殊性质出发提出了多条启发规则，能有效减少无效探求和与用户交互的次数，尤其适合于文法较复杂、例句集信息量较大的情况。这些启发规则同时也适用于对上下文无关文法的其它推断方法。     

基于GP的神经网络学习规则的发现

提出用遗传编程(GP)方法发现新的神经网络学习规则,并通过实验得到了几个新的学习规则;另外讨论了通过文法产生式的设计来改进对该问题的研究.     

自动数据挖掘算法

研究了一种基于文法引导遗传编程（GGP）的自动数据挖掘算法．规则归纳算法是一种典型的数据分类方法．采用文法引导的遗传编程对规则归纳算法进行改进,从而提出了一种规则自动提取的算法．最后结合电视购物项目,给出了基于文法引导的遗传编程自动提取规则的实例．     

基于粗糙集的区间值属性决策表的有序规则获取

提出一种基于粗糙集的区间值属性决策表的有序规则获取方法。首先根据区间数之间基于可能度的序关系,将区间值属性决策表转化为二元决策表,然后利用粗糙集理论进行分析并推理出最优规则,最后再将二元决策表的规则转化为区间值属性决策表的有序规则。实验分析表明了该方法的有效性。     

基于关联规则的分类规则约简方法

分析分类规则内属性之间的相关性,提出一种分类规则约简方法。针对原始训练集构造FP树,获取相应的关联规则集,对关联规则后件属性(集),采用置信度α描述该属性(集)相对于其所在分类规则的重要程度。在分类规则集中,约简α值小于阈值?的属性,从而约简分类规则长度。利用UCI机器学习及SDSS DR7数据进行实验,结果表明该方法具有较高的分类效率。     

基于产生式的多语言程序理解的算法

提出一种程序理解实现方案,通过将程序设计语言的词法规则和语法规则以产生式表示,设计基于产生式多语言程序处理算法,将产生式自动转化为对应的词法和语法规则函数,使得不同的程序设计语言规则可以采用统一的方式描述,从而可用一套程序理解系统实现对多种程序设计语言的程序理解,以后增加某种程序设计语言的程序理解,只要定义对应程序设计语言的词法和语法规则产生式即可实现,有效地解决了程序理解系统的共享性难题。     

一个基于互信息的规则量化方法

规则量化问题是基于规则与统计相结合的计算语言模型的关键性问题,首先描述了一个基于规则与统计相结合的计算语言模型,从而引出了规则结合度的概念,并提出一种基于互信息的规则量化方法,该方法既给出了一条规则的实用性的定量评价,又为基于规则与统计相结合的计算语言模型提供了一个重要的规则参量,通过实验指出该方法对系统规则集的筛选与计算语言模型中规则与统计结合机制的优化的重要指导意义。     

简约语法规则和最大熵模型相结合的混合实体识别

现有的命名实体识别算法多半采用统计与规则相结合的办法,但是这些方法有的没有考虑全局信息,有的没有解决好统计模型的时间复杂性问题.提出一个简约语法规则和最大熵模型相结合的混合命名实体识别方法,该方法采用简约语法规则与最大熵模型级联,首先使用简约语法规则模型进行识别,降低了使用复杂语法规则的时间复杂度,并把它的输出进行部分匹配,很好的弥补了由于简约语法规则带来的召回率偏低的问题,然后将得到的中间结果作为输入传递给最大熵模型,再由最大熵模型进行识别,得到最终的识别结果.实验结果表明,在MUC-7的命名实体识别评测中,系统的准确率、召回率和F值分别达到了94％,91％和92.48％,与已有的系统相比在性能上有很大的提升.     

格式正确的有限命令识别

有些应用场合中语音识别系统的待识别词表确定,但对识别结果要求严格,针对这样的应用,提出了一种语法规则——句序字位规则,并且给出了一种基于连续语音识别的Viterbi算法和句序字位法的语音识别算法。最后针对一组指挥命令进行了实验,实现了格式正确的有限命令识别。     

规则库冗余性控制策略的研究

冗余性控制是研究知识库组织、管理和维护中的一个问题．本文通过对智能型机译系统中规则知识表示方法的分析，提出了将冗余规则划分为显式冗余规则和隐式冗余规则分别予以处理的思想，给出了显式冗余规则的判别算法和部分隐式冗余规则的检测标准，并提出了控制机译系统规则库冗余性的基本原则.     

基于用户访问事务文法的序列关联规则发现

在Web挖掘中,应用关联规则发现方法可以发现Web页面之间用户访问的关联度.由于Web站点内含丰富的页面结构信息,也由于用户的访问总是要遵循一定的访问顺序,因此提出一种新的可以发现用户访问序列之间关联度的方法——序列关联规则发现方法.该方法首先得到用户访问事务;然后根据正则文法,定义了一种新的用户访问事务文法,用于从用户访问事务中得到用户序列访问事务;最后应用关联规则发现算法进而发现序列关联规则.为了进一步评价所发现的序列关联规则,引入了互信息的概念.发现的序列关联规则可以帮助Web站点的设计者更好地理解用户的访问,以用于调整Web站点的结构.     

藏文音节规则库的建立与应用分析

藏文音节具有独特的构造方法,不同的构造位上有不同的藏文字符,根据不同的组合,构成了千变万化的藏文音节,由于字符的语音特性,藏文组合形式上有很多的限制。该文借助藏文文法规则和藏汉大词典,建立了现代藏文音节规则库,并分析了可能的应用领域。