跨语言信息检索中的最关联英文语义翻译选取

针对跨语言信息检索中关联英文翻译的选择准确度不高的问题,提出一种基于最关联语义本体模型匹配的跨语言信息检索英文翻译选取方法。首先构建跨语言信息检索中最关联英文语义的本体结构模型,采用语义指向性信息索引方法进行英文翻译的上下文语义映射;然后根据语义本体之间的词语知识和本体片段映射方法进行英文语义翻译的特征提取,实现最关联英文语义翻译选取;最后进行实验测试分析。结果表明,采用该方法进行跨语言信息检索,英文语义翻译选取的召回性能较好,查全率、查准率较高。     

基于规则推理的语义检索若干关键技术研究

 针对专业领域复杂的检索需求,目前相关研究采用基于语义的方法来扩展检索范围并提高准确度.在语义推理方面,目前搜索引擎通常直接采用语义网中的推理算法,推理效率不高.在排序方面,基于关键字的搜索引擎的排序算法也不适合对语义检索结果进行排序.针对上述问题,本文给出了基于语义网的语义规则建立方法,并提出了一种基于闭合世界假设的反向链接推理算法,提高推理效率,同时给出了一种基于特征相似性排序算法,使检索结果排序方式更加符合语义检索的特点.基于本文提出的方法,构造了语义搜索引擎MaterialHub,实验表明该搜索引擎提高了检索的准确率和查全率,有较好的查询响应时间,并已经得到实际应用.     

基于统一语义表征的多用户异构语义网络

多用户语义通信，特别是异构语义网络是目前研究较少的课题。提出一种基于统一语义表征的单编码器-单解码器框架，其中异构的语义知识作为引导语义提取和表达的秘钥——符号消息被映射到统一的本原语义空间，并根据接收端用户各自的语义知识特异化解码。所提掩膜推理和异构语义转述约束，相较常用的点对点自编码方案，给语义可解释性及拓展性带来显著增强。针对多用户语义安全性，还提出一种利用语义知识流形空间进行语义加密的方法。     

基于依存句法分析的分层语义通信系统

语义通信是一种全新的通信范式,可以从语义级别提高通信的可靠性,解决通信带宽与频谱资源受限的问题。针对语义通信中语义重要性划分这一问题,本文提出了一种基于依存句法分析的分层语义通信系统。首先,为了获取传输语句内部的依存句法关系,本文设计了一种基于图解码的依存句法分析模型,用于提取传输语句对应的依存句法树。其次,本文根据提取到的依存句法树提出了一种语义分层方法,并根据信道质量对不同层级的语义信息进行选择传输,从而保证关键语义的准确传递。此外,本文还引入了ERNIE语言模型,结合依存句法关系提高接收端的语义恢复能力。仿真结果表明：本文提出的语义分层方法可以有效提取传输语句的关键语义信息。与传统通信系统相比,本文所提系统显著提升了在低信噪比下的通信可靠性。     

基于知网的词语语义相关度计算

现有的词语语义相关度算法大多单纯依赖于语义相似度算法,没有充分利用词语间的语义关系,导致其存在局限.在充分挖掘词语间的隐含语义关系基础上,将语义关系应用于语义关联度的计算,最终将语义相似度以及语义关联度结合起来,提出了语义相关度算法.实验结果表明,使用该计算方法得出的语义相关度更加合理,符合人的直观感觉.     

图像语义提取方法研究

为解决从图像的低层视觉特征到高层语义特征的＂语义鸿沟＂问题,对当前的语义提取方法进行研究,简单介绍了图像语义层次模型,并根据语义信息的来源不同,归纳总结了图像语义中基于处理范围的方法,基于机器学习的方法,基于人机交互的方法和基于外部信息源的提取方法,这些工作为图像语义提取和图像语义检索等研究提供有益参考。     

基于本体的决策问题语义理解及精炼方法

理解复杂决策问题的关键在于使决策问题所包含的领域、目标、状态、结构等信息被系统所“读懂”.本文利用本体表达语义,实现了问题语义关系表示和语义计算.在保持理解结果不变的原则上,本文提出利用语义迭代方法将计算机无法理解的问题语义转化为可完全理解的语义.本文给出了语义精炼方法并形成最优闭合问题空间,在结构复杂度和内容复杂度两方面具有最低复杂度.实验分析表明,本文提出的复杂决策问题语义理解方法是有效的.     

基于语义的自然语言理解研究

机器要完全智能化,自然语言理解是基础,其中语义是最突出的问题.语义分析方法的选择,对于处理各类不同的语料有着十分重要的作用.介绍语义分析理论,并重点分析语义网络、袼语法、概念从属理论和本体等语义分析方法;提出在选择语义知识表示方法时应遵循的原则;最后,分析基于语义的自然语言理解的重要性及发展趋势.     

SDL形式语义定义现状及其改进

ＳＤＬ语言自身的形工化描述对该语言的不断发展,完善将发挥重要的核心,而ＳＤＬ－９２的形式语义已无法分满足应用需要,本文分析了现有形式语义定义的基本方法,指出其存在的主要不足,并针对ＳＤＬ形式语义的定义方法提出一种基于ＳＤＬ未来发展方向的语义义框架。     

机器英语翻译中的模糊语义最优解选取方法

为了提高机器英语翻译的准确性和合理性,提出一种基于模糊语义最优解选取的机器英语翻译方法。构建机器英语翻译的信息抽取模型,建立机器英语翻译的模糊语义主题词属性表,采用灰色关联特征匹配方法计算英语翻译的语义相似度,实现英语翻译中前后文的语义模糊映射。建立语义映射关系,计算得到模糊语义最优解。实验测试结果表明,采用该方法进行机器英语翻译,语义信息的召回性能较好,主题词的特征匹配度较高。     

物联网语义架构和语义关键技术研究

介绍物联网语义的概念和意义,提出物联网语义架构,并针对该语义架构中涉及的关键技术进行阐述,最后从技术角度对物联网语义的发展趋势进行展望。     

一种基于本体的信息检索模型

为解决传统的基于关键词的信息检索只能从语法上分析关键词、进行关键词的机械匹配,导致检索缺乏语义的问题,提出了一个基于本体的语义网检索模型,并以此为基础构建一个系统原型.实践结果表明,该检索模型能够在一定程度上改善检索效果.     

语义Blog系统研究

Blog是现在网络上最流行的沟通工具之一.文章在总结现有Blog系统的特点和存在问题的基础上,提出建设语义Blog系统,利用语义网的思想解决传统Blog存在的问题,增强Blog系统的语义数据描述功能和社区功能,描述Blog系统中不同主体的结构和联系,更方便用户发布和获取信息,实现Blog系统中人与人之间更加有效的沟通.     

Deep semantic image compression via cooperative network pruning

Incorporating semantic analysis into image compression can significantly reduce the repetitive computation of fundamental semantic analysis in downstream applications such as semantic image retrieval. In this paper, we tackle the semantic image compression task, which embeds semantics in the compressed bitstream. An intuitive solution to this task is joint multi-task training, which generally results in the trade-off of one task to accommodate the other. We thus provide an alternative pilot solution: given a pair of pre-trained teacher networks that specialize in image compression and semantic inference respectively, we first fuse both models to acquire an ensemble model and then leverage cooperative network pruning and retraining to condense the knowledge. Various experiments on five benchmark datasets validate that the proposed method achieves on par and in many cases better performance than the teachers yet comes in a more compact size, and outperforms its multi-task learning and knowledge distillation counterparts.     

本体论在Web信息检索中的应用

文章提出了一种基于本体论的Web信息检索模型，它利用领域本体知识库对用户的查询要求进行语义扩展，并且将检索到的文档在语义层次上进一步过滤，从而克服了目前的检索工具仅提供基于关键字的检索．而忽视关键字本身语义信息所造成的错检和漏检。     

汉语语义依存分析

语义依存分析建立在依存理论基础上,是一种深层的语义分析理论。同时融合了句子的依存结构和语义信息,更好地表达了句子的结构与隐含信息。在许多高层次的研究和应用上,语义依存分析都大有用武之地。语义依存分析主要面临两方面的难题,一是语义体系的确定,其次是自动语义依存分析算法。将重点从语义体系的确定以及自动语义依存分析算法的角度上对语义依存分析进行系统的介绍。     

基于概念图的自然语言语义解释

语法分析器应用文法规则生成语法树来表示一名句子的语法结构。本文讨论用概念图表示自然语言的语义，描述一个从语法树开始生成概念图来解释句子语义的方法，生成过程是由语法树引导，把与每一个输入词相关的概念图连接成一个较大的概念图表示整修句子的语义。     

基于语义的相片标注研究及应用

随着数码相机的普及应用,日益增多的相片对高效的相片管理和检索技术提出了迫切的需求。传统的基于关键字检索和基于内容检索技术都不能很好满足人们的需求,因而基于语义的标注和检索技术受到越来越多的关注。在构建的相片领域本体基础上设计了相片语义标注模板,并结合自动和半自动的语义标注技术实现了一个相片标注系统。最后通过系统的运行和分析来验证该方案的有效性。     

基于语义Web服务的智能电信业务模型

该文针对电信业务领域用户需求多样化的实际情况,将互联网领域语义Web服务模型进行完善,提出了基于语义Web服务的智能电信业务模型。在模型中,设计了电信业务领域本体库,实现了电信业务领域知识的共享;提出了基于本体的用户个性数据库,利用本体的天然推理特性加强对用户个性的挖掘;引入了智能代理,将用户从浩淼的服务选择中解放出来。设计了语义转换XSLT代码生成模块提高了语义Web服务描述效率。该模型已经在实际的测试环境中得到验证,最后以流媒体业务为例,说明了该模型的工作原理。     

Semantic meaning modulates object importance in human fixation prediction

Humans tend to allocate attention to semantic entities. Objects are important in fixation selection, but not all the objects are equally attractive. In this paper, we introduce the concept of attribute bias to characterize the influence of semantic attributes compared with low-level saliency on fixation distribution. Two different ways are adopted to get two sets of semantic attributes. In both cases, most semantic attributes have a positive influence on drawing attention and contribute more than low-level saliency in object areas. We also find that attribute bias is robust to low-level saliency and can consistently reflect the relative attractiveness of objects with different semantic attributes. It is demonstrated that such bias helps make better fixation predictions by distinguishing the importance of objects, although low-level saliency models with better performance are less dramatically improved by attribute bias. These findings indicate the role of conceptual meaning as opposed to features in visual attention.