面向服务组合的复杂上下文本体模型

为了有效解决泛在网络环境下Web服务质量上下文描述问题,在OWL_S基础上提出了面向服务组合的复杂上下文本体模型-OWL_S_QoS＋,包括用户上下文本体和服务上下文本体。用户上下文本体描述用户的环境状态、拥有的资源信息、用户需求及用户群组等对服务或组合服务运行产生影响的一系列属性;服务上下文本体在原有OWL_S定义的基础上,增加了服务对客户端与服务端的运行环境需求、不确定性QoS描述方法。通过模型比较验证了OWL_S_QoS＋具有较强的描述能力。     

语义信息集成中格式异构解决方案

基于本体的语义信息集成能够解决分布环境下异构数据源之间的模式异构,而对于广泛存在的上下文异构却无法解决。由于上下文异构是暗含的语义,无法为信息系统俘获和理解,要解决上下文异构,必须将上下文语义进行形式化描述。本文首先提出了一种将暗含的上下文语义进行形式化描述的方法,然后在此基础上提出了一种基于元数据格式表示的上下文转换方法来解决上下文异构中的格式异构。该方法避免了已有转换方法需要反复定义大量映射的缺点,提高了上下文转换的灵活性、适应性和扩展性。     

基于结构上下文的模糊神经网络自动目标检测方法

提出了一种基于结构上下文的模糊神经网络(SCFNN)自动目标检测方法。模糊神经网络方法既具有神经网络的自适应性、并行性、鲁棒性、容错性、优化等优点，又集成了模糊集理论运用知识、规则描述解决系统不确定性的优点，因此成为图像处理和模式识别的一种强有力工具。使用模糊测度作为神经网络的目标函数可以有效地描述像素类别的不确定性，从而通过使其最小实现图像分类优化。对网络神经元加权过程进行结构上下文信息约束可以充分减小图像信息尤其是目标边缘等特性包含丰富信息的损失，有效地保持目标的轮廓和形状等属性，改善目标检测的误检率。针对目标遥感图像的实验，验证了SCFNN方法具有很好的自动目标检测能力，而相对于传统神经网络方法，具有有效的不确定性解决能力和更好的目标形状保持能力。     

基于描述逻辑的上下文知识获取与推理方法

针对上下文感知计算中缺乏清晰统一的模型与自动推理支持的问题,提出一种基于描述逻辑的上下文知识获取与推理方法。该方法首先提出了一种本体引导的上下文模型框架,根据抽象层次的不同将上下文模型分为元模型与领域特定模型两层结构;然后采用描述逻辑表示语言SHOIN(D)形式化描述该上下文模型,设计上下文模型向描述逻辑知识库的转换算法。最后以一个实际案例说明该方法的可行性。     

用于表示知识的形式文法

本文提出了一个所谓的关系-属性-程序文法,用它作为知识表示模型。该文法具有各种知识表示方法的优点,能有效地表示上下文环境、专有知识和控制信息,可以描述产生式系统、语义网络、框架等使用最多的知识表示方法,并将上述知识表示方法统一起来,阐明了该文法表示知识所具有的能力。     

汉语文本中特殊符号串的自动识别技术

提出从组成形式和上下文语境两个方面来自动识别汉语文本中的各种特殊符号串。其组成形式用包含约束式的上下文无关文法来描述，改进的LR分析方法进行形式识别；上下文语境采用基于知网概念的特征向量来表达，向量间的欧式距离表示语境间的相似度。实践证明该技术方案是相当有效的。     

基于神经网络的医疗文本分类研究

传统的医学文本数据分类方法忽略了文本的上下文关系，每个词之间相互独立，无法表示语义信息，文本描述和分类效果差；并且特征工程需要人工干预，因此泛化能力不强。针对医疗文本数据分类效率低和精度低的问题，提出了一种基于Transformer双向编码器表示BERT、卷积神经网络CNN和双向长短期记忆BiLSTM神经网络的医学文本分类模型CMNN。该模型使用BERT训练词向量，结合CNN和BiLSTM,捕捉局部潜在特征和上下文信息。最后，将CMNN模型与传统的深度学习模型TextCNN和TextRNN在准确率、精确率、召回率和F1值方面进行了比较。实验结果表明，CMNN模型在所有评价指标上整体优于其他模型，准确率提高了1.69%～5.91%。     

语义信息集成中基于等价类的上下文转换

基于本体的语义信息集戍能够解决分布数据源之间的模式级语义异构,而对于广泛存在的上下文语义异构却无法解决.为了解决上下文异构,提出一种将暗舍的上下文语义进行形式化描述的方法,并对于上下文异构中的表示异构提出一种基于等价类的上下文转换方法,该方法避免了已有转换方法需要反复定义大量映射和进行复杂推导的缺点,具有灵活、简单、易于扩展的特点.     

面向不确定性知识表示的描述逻辑SROIQ(D)不确定性扩展

为增强描述逻辑对不确定性知识的表示能力,提出了一种对描述逻辑SROIQ(D)进行不确定性扩展的方法。该方法基于不确定性理论和描述逻辑SROIQ(D),针对知识表示中大量存在的模糊性、粗糙性和随机性知识,首先给出了模糊粗糙概念条件概率的计算方法,并以此为基础对SROIQ(D)进行了不确定性扩展;然后基于模糊粗糙逻辑和概率逻辑分别给出了扩展后的语法、语义和推理任务,使不确定性SROIQ(D)描述逻辑具备同时处理3类不确定性知识的能力。     

应用BERT和BiGRU-AT的电力营销客服工单分类模型

针对传统词向量无法表示多义词，以及传统深度学习模型特征提取能力弱等问题，提出结合BERT和BiGRU-AT的电力营销客服工单分类模型。利用BERT进行工单文本特征表示，参考具体上下文语境，知道动态词向量表示；用BiGRU模型进行二次语义特征学习，全面提取句子的高维特征；通过软注意力机制为每个词分配不同权重，提升模型聚焦关键词的能力；在真实电力客服工单数据集上进行实验，结果表明，BERT-BiGRU-AT模型在客服工单分类上具有较高的准确率。     

带传递关系和存在量词的描述逻辑MSC推理

分析了描述逻辑非标准推理的重要性,特别分析了描述逻辑MSC推理的研究现状和存在的问题.针对目前描述逻辑MSC推理不能同时处理传递关系和存在量词的不足,研究了带传递关系和存在量词的描述逻辑εL+的MSC推理问题.提出了一种新的εL+-述图,利用描述树和描述图给出了描述逻辑εL+的MSC近似推理算法,并利用εL+-描述树同态和εL+-描述树描述图同态证明了MSC近似推理算法的正确性.作为一个附带的结果,利用εL+-描述树描述图同态给出了εL+的实例推理算法,也证明了实例推理算法的正确性.     

基于模糊推理的专家系统设计与实现

用计算机模拟人类不确定性推理的思维过程具有极其重要的理论和实际应用的意义。本文基于模糊推理理论,采用模糊知识表示方法和模糊推理的技术,介绍了一个以法医人体骨骼人识别问题为背景的专家系统的实现方法。     

Causal independence for probability assessment and inference usingBayesian networks

A Bayesian network is a probabilistic representation for uncertain relationships, which has proven to be useful for modeling real-world problems. When there are many potential causes of a given effect, however, both probability assessment and inference using a Bayesian network can be difficult. In this paper, we describe causal independence, a collection of conditional independence assertions and functional relationships that are often appropriate to apply to the representation of the uncertain interactions between causes and effect. We show how the use of causal independence in a Bayesian network can greatly simplify probability assessment as well as probabilistic inference     

Dynamic Uncertain Causality Graph for Knowledge Representation and Reasoning: Discrete DAG Cases

Developed from the dynamic causality diagram (DCD) model,a new approach for knowledge representation and reasoning named as dynamic uncertain causality graph (DUCG) is presented,which focuses on the co...     

面向对象的医疗诊断推理机设计

本文针对医疗诊断推理的难点,提出了以自反馈的AM网络为主、以规则推理为辅的面向对象的医疗诊断推理模型。这种模型既具有AM网络的优点,又克服了AM网络容量有限的缺陷。结合面向对象的知识封装,将学习机融于推进机,将推理机融于知识表示,在MDES的设计中,表面出良好的适应性。     

Best practices for conceptual modelling in environmental planning and management

Conceptual modelling is used in many fields with a varying degree of formality. In environmental applications, conceptual models are used to express relationships, explore and test ideas, check inference and causality, identify knowledge and data gaps, synchronize mental models and build consensus, and to highlight key or dominant processes. Due to their sometimes apparent simplicity, development and use of a conceptual model is often an attractive option when tackling an environmental problem situation. However, we have experienced many examples where conceptual modelling has failed to effectively assist in the resolution of environmental problems. This paper explores development and application of conceptual modelling to environmental problems, and identifies a range of best practices for environmental scientists and managers that include considerations of stakeholder participation and trust, model development and representation, integration of different and disparate conceptual models, model maturation, testing, and transition to application within the problem situation.     

从知识表示到算法的研究——三枚钱币问题的状态空间表示和算法实现

阐述了知识表示技术对问题求解的重要性 ,简介了三类求解问题所需的知识及机械化推理、系统构成等技术 ,并以“三枚钱币问题”为例 ,给出了从知识表示到算法实现的研究过程。