语法和语义相结合的中文对话系统问题理解研究

针对中文口语问句的表达多样性对对话系统问题理解带来的挑战,该文采用“在语法结构之上获取语义知识”的设计理念,提出了一种语法和语义相结合的口语对话系统问题理解方法。首先人工编制了独立于领域和应用方向的语法知识库,进而通过句子压缩模块简化复杂句子,取得结构信息,再进行问题类型模式识别,得到唯一确定问题的语义组织方法、查询策略和应答方式的句型模式。另一方面,根据领域语义知识库,从源句子中提取相应的语义信息,并根据识别到的句型模式所对应的知识组织方法进行语义知识组织,完成对问句的理解。该文的方法被应用到开发的中文手机导购对话系统。测试结果表明,该方法能有效地完成对话流程中的用户问题理解。     

背景知识在自动分词和篇章理解中的应用

自然语言理解可以分为五个层次；单词、短评、句子、段落和篇章，每层次都与其它层次相关联，背景知识包含了所有层次的语言元素及其在实际环境中的使用，本文着重讨论了背景知识在汉语自动分词和基于语义关联的篇章理解。     

基于语义句模的语义理解方法研究

针对目前情境信息丰富问题语义理解的困难,提出了一种基于语义句模的语义理解方法.该方法借鉴汉语言学中句模的研究成果,以及问题的分类,构建语义句模,将语义信息蕴含在句模中,利用文本中能够穷举的信息,为千变万化的情境信息赋予相应的语义.实验构建了基于自然语言处理工具Gate的语义句模jape规则库,以收集的102道四则运算应用题为例进行语义理解,实验结果为完全理解的题目为82.4%,部分理解为17.6%,完全不理解的0%.得出的实验结论是,该方法能够较好地实现情境信息丰富问题的语义理解.     

多篇摘要的自动生成算法

1.引言 Internet的迅猛的发展,使人们能方便快捷地获取众多的信息和服务。但是,面对Internet上浩瀚纷繁的信息海洋,人们常常会陷入窘迫的境地:一方面收到太多的信息无从选择和消化,淹没在繁杂的信息中;另一方面是信息的迷失,人们难于找到真正所需的信息。因此,信息社会对能够有效浓缩文本信息的网络自动文摘有着迫切的要求。自动文摘是自然语言理解的一个重要分支,而且文摘的研究也由来已久。早在50年代末,Luhn就首次设计了一个自动文摘系统,引起了世人的极大注目。从那时起,先后涌现了许多著名的系统。所谓自动文摘系统是指这样的一种软件系统,它能将给定原文的中心内容,或所需要的内容自动抽取出来,并用同于或不同于原文的句子表示出来。     

面向高考历史科目试题的自动答题系统

高考是综合评估人类知识和能力水平的标准化考试,与传统的自动问答任务相比其挑战性更高。该文面向我国高考试题历史部分,基于深度神经网络技术,构建了历史科目试题自动答题系统。在答题系统中融合知识的一个主要挑战是知识的上下文相关性: 对于一个问题,在知识库存储的大量知识中,只有少数知识与回答该问题相关。针对这一挑战,该文设计了一种结合知识检索与机器阅读理解的知识融合自动答题系统。该系统利用知识检索的相关排序能力和机器阅读理解模型的知识定位能力,有效地发现问题相关的知识,从而增强自动答题的效果。实验结果显示,该系统可有效地作答高考历史科目试题。     

一种智能辅导系统中建模的实现方法

针对自然语言中数学领域的特点,提出了一种智能辅导系统中建立模型的方法。该方法通过对语义理解结果的名词聚类分析,调用静态知识库中相应的内涵模型,根据静态知识库中对内涵模型的描述在语义理解结果中搜集相应的信息使抽象概念具体化。在此基础上依据领域知识对题目进行信息挖掘,并根据题目类型对信息进行约简,从而建立模型。这种建模方法在智能辅导系统中得到了较好的应用。     

缺陷理解研究:现状、问题与发展

缺陷理解是针对缺陷本身及衍生产物建立完整认知过程的研究.由于调试的连贯性及完美缺陷理解假设不合理性,深入分析缺陷传播过程及缺陷间关系、研究关键信息检测及理解信息表达方式,提取及表达面向缺陷研究不同场景不同需求下的可理解性信息,最终达到优化缺陷分析结果及辅助调试各过程缺陷知识复用及积累的目的成为必然.由定位与修复之间存在的知识割裂问题出发,思考缺陷理解研究的本质,明确缺陷处理过程中缺乏知识挖掘及互用问题.通过工程实例分析及文献成果梳理,提炼总结缺陷理解领域的研究方向及技术方法,探讨缺陷理解研究中的特点及难点,思考缺陷理解研究中存在的问题及未来的研究方向,对缺陷理解的研究趋势进行了展望.     

文本自动摘要的方法研究

文本自动摘要能够对文献进行提炼、浓缩,使人们快速准确的了解文献内容。本文介绍了文本自动摘要的原理和四种方法：基于统计的自动摘要、基于理解的自动摘要、基于信息抽取的自动摘要和基于结构的自动摘要。     

一种智能辅导系统中建模的实现方法

针对自然语言中数学领域的特点,提出了一种智能辅导系统中建立模型的方法.该方法通过对语义理解结果的名词聚类分析,调用静态知识库中相应的内涵模型,根据静态知识库中对内涵模型的描述在语义理解结果中搜集相应的信息使抽象概念具体化.在此基础上依据领域知识对题目进行信息挖掘,并根据题目类型对信息进行约简,从而建立模型.这种建模方法在智能辅导系统中得到了较好的应用.     

基于Ontology的信息查询系统模型研究

当前,网络信息资源呈现爆炸式增长趋势,用户对信息查询的要求也越来越高,传统的各种信息查询技术已经很难满足这种要求。未来的因特网作为人类的信息库、知识库,应该支持用户以自然语言的方式来完成信息查询,并具备理解语义,进行自动扩展、联想的智能化查询系统。该文提出一个基于Ontology的信息查询系统模型,实现支持自然语言的理解和语义层面的智能化查询功能。     

基于图像和视频信息的社交关系理解研究综述

随着多媒体技术的快速发展,互联网上涌现了大量的文本、图像、视频、音频等多媒体数据.多媒体数据的特点表现为形式上多源异构、语义上互相联系.基于多媒体信息的社交关系理解是利用各种手段和方法从海量异构的多媒体数据中挖掘出有价值的信息,帮助人们快速地理解多媒体信息中的社交关系,促进多媒体内容理解、人物追踪、知识图谱的构建等多媒...     

一种可行的自动程序理解途径

自动程序理解是软件工程和人工智能的非常活跃的研究领域，本文提出了一种独立于程序设计语言，具有明显结构性和流图结构的中间表示ｐｌａｎ来表示程序代码，本文首次提出了应用图文法分析技术于自动程序理解的方法，并给出了基于人工智能技术来进行自动程序理解的模型。     

主观题中模糊含权概念图匹配问题研究*

由于汉语自身的复杂性、主观题的多样性和灵活性,使主观题的自动阅卷成为计算机无纸化考试的技术难点。结合主观题中简答题的人工批改过程,提出以概念图理论为基础的模糊含权概念图知识表示方法;从汉语自然语言理解的语义分析角度研究了特定课程主观题自动阅卷问题,设计了自动阅卷部分的模块结构,实现了简答题的计算机自动阅卷过程。经过测试分析,该方法反映了考生主观题的答卷情况与人工阅卷的结果基本一致,是一个切实可行的解决方案,而该课题的研究对其他课程主观题的计算机自动阅卷具有一定的参考作用。     

基于文本聚类的自动文摘系统的研究与实现

针对当前自动文摘方法的不足,提出了基于文本聚类和自然语言理解的自动文摘实现方法。可以克服常规自动文摘方法的不足,使文摘的质量和效果得到大大的提高。将文本聚类引入自动文摘中,不但使单文档的文摘质景得到提高,而且能够实现多文档的自动文摘,这是现有的自动文摘技术所没有涉及的。实现了面向“塑料”行业的基于文本聚类和自然语言理解的自动文摘系统TCAAS。     

CUI:具有良好适应性的汉语理解工具

本文提出了一个能由汉语科技资料里自动提取所需信息的汉语理解系统CUI,它能有效地应用于某一领域,并具有较好的适应性。本文强调了语义及领域知识的作用,探讨了汉语处理的分词;分析及理解阶段中的若干问题,还给出了系统各处理阶段的主要算法。     

一个基于知识的图象理解系统

基于知识的视觉系统有一定的现实意义。文章提出了一个基于知识的图象理解系统,在该系统中,结合景物知识进行区域信息与边缘信息的融合以得到分割结果,利用模型指导聚焦以减少特征提取的计算量,并使用多种模型匹配得到最终的场景解释。实验证明,文中构造的系统在系统的适应性、精确性和快速性方面有较大的改进,并取得了较好的解释效果。     

基于图像理解的桥梁自动打击效果评估系统研究

提出一种基于图像理解的桥梁打击效果评估方法。该方法从三层图像理解出发,通过底层、中层、高层的分级处理,形成系统的评估循环;用桥梁图像信息与知识库中相应规则进行匹配以得到正确的评估结果;通过推理机和数据库,实现对知识库的动态维护。     

图像理解

图像理解是从图像中自动提取信息的一门科学，该学科的基本技术包括图像组成模型化、图像建立和数据可视化。对于开发基于输入图像解释来做出决策的人工智能系统来说图像理解是一个重要环节。该文就知识在航空图像理解系统中的作用进行了探讨，主要介绍了自动理解中的知识表示和控制结构，并通过一个机场的例子，说明图像解释中通用知识的应用，进一步强调图像理解中知识运用的重要性。     

基于模糊含权概念图的主观题自动阅卷方法研究*

由于汉语自身的复杂性、主观题的多样性和灵活性,使主观题的自动阅卷成为计算机无纸化考试的技术难点.结合主观题中简答题的人工批改过程,提出以概念图理论为基础的模糊含权概念图知识表示方法;从汉语自然语言理解的语义分析角度研究了特定课程主观题自动阅卷问题,设计了自动阅卷部分的模块结构,实现了简答题的计算机自动阅卷过程.经过测试分析,该方法反映了考生主观题的答卷情况与人工阅卷的结果基本一致,是一个切实可行的解决方案,而该课题的研究对其他课程主观题的计算机自动阅卷具有一定的参考作用.     

基于依存句法的初等数学分层抽样应用题题意理解

数学应用题自动求解,即利用计算机对自然语言描述的应用题进行自动理解和作答,一直是人工智能领域研究的重难点和核心目标之一。针对应用题语义复杂、上下文情景多变、关键参数难以准确识别的问题,提出一种基于依存句法的初等数学分层抽样应用题题意理解方法。通过构建一个面向初等数学分层抽样类应用题的句模库,并结合依存句法来实现分层抽样应用题解题信息的自动抽取。实验研究发现,与仅基于句模的信息抽取方法相比,该方法对不同语义角色的句子的信息抽取准确率均有一定提升,整题理解的准确率从40%上升至68%。