语义关系概述

以索绪尔的语言系统理论为框架，从组合关系和聚合关系两个角度介绍并讨论了各种语义关系。从组合角度，指出除了形式规则之外，组合关系还受到其他各种因素的制约。从聚合角度，指出词、词组、句子、语篇等层次都存在着聚合关系，并重点讨论了句子层次和词汇层次的多种语义关系。这种认识对语义研究和外语教学都具有重要的意义。     

基于ERNIE和BiLSTM的中文名词隐喻识别

隐喻普遍存在于自然语言中,精确的识别隐喻可以促进自然语言处理具体任务中语义的理解.为了提高中文名词隐喻识别效果,提出一种基于知识增强的语义表示(ERNIE)和双向长短期记忆网络(BiLSTM)的分类模型ERNIE_BiLSTM.该模型使用ERNIE进行编码,获取上下文相关的语义表示;并利用双向LSTM再次训练词向量,捕获文本长距离的语义关系.实验结果表明,ERNIE_BiLSTM模型在中文名词隐喻识别数据集上表现良好,准确率达到90.34％.     

自然语言问答中的语义关系识别

为了避免问句理解阶段过度依赖命名实体,通过语义关系理解中文自然语言问句中关键信息的逻辑关系,提出基于依赖结构的语义关系识别方法,从问句的依赖结构集中识别出对生成语义关系有价值的三类依赖结构集,将三类依赖结构集组合或转换得到语义关系。在中文标准问答数据集上的试验结果验证了本语义关系识别方法的有效性和可扩展性,本方法在命名实体识别失败时也可以理解中文自然语言问句。     

因果动词在科技英语中的作用与译法

科技英语主要是描述科技领域中的物质过程、关系过程和存在过程。这些过程是由动词来表示的,但是在某些情况下有些动词的语义功能不仅表示过程,还可表示该过程的因果环境意义（circum stantial meaning）。具体而言,就是描述、解释机器设备和工艺过程的功能,即在一定条件下会发生什么或者期待可能发生什么,由于科技英语具有“精练”、“客观”的特点,常常将主体“会发生什么”或“期待可能发生什么”用动词连接起来,表示因果关系,这类表示因果环境意义的动词即是因果动词。科技英语中所谓的环境意义是指句子的主体或主语必须是科技术语名词、名词词组或名词化结构等非人称词。     

XML DTD转换为关系模式的原语义约束

从XML DTD模式到关系模式转换中所引起的语义约束丢失问题入手，分析了引起语义约束丢失的原因，并在传统转换算法的基础上加以改进和扩充，得到一个既能保持结构的对应转换，又能保持原语义约束的转换算法.改进方法的关键是在XML DTD到关系模式的转换过程中能正确地找到一中间转换式图(ADG).该图能很好的表示出原语义约束的各种情况，遍历该图各节点并结合给出的算法可获得正确表示关系模式中的语义约束.     

语义关系概述

以索绪尔的语言系统理论为框架,从组合关系和聚合关系两个角度介绍并讨论了各种语义关系。从组合角度,指出除了形式规则之外,组合关系还受到其他各种因素的制约。从聚合角度,指出词、词组、句子、语篇等层次都存在着聚合关系,并重点讨论了句子层次和词汇层次的多种语义关系。这种认识对语义研究和外语教学都具有重要的意义。     

英语语义关系划分

本文通过对英语语义关系分类多样化现象的分析,就其中的并义关系、上下义及分类关系的归属问题提出了意见,即并义关系是一种常见却经常被错误理解的语义关系,而分类关系实际上就是上下义关系。     

复动补充复句的语义分析

将汉语中的这类复句命名为复动补充复句：前一分句陈述一个事实,后一分句重复或部分重复前一分句中的谓语动词,并带助词“得”,后面跟补语。认为复动补充复句前后分句之间的语义关系包括致使和非致使两种,指出了这两种语义关系的复动补充复句的语义结构模式。     

四种语义类名词槽系的初步研究

现代汉语的槽关系是汉语语义系统的一个重要的组成部分,对具体名词或某类名词来说,其所能搭配的槽类、槽序和槽系是不同的,这些不同便显示出各个或各类名词的区别性特征.槽系,即一类名词可以搭配的定语的槽类数.对名词的槽系进行统计,进而详细描写出名词前面的槽系,对中文信息处理和对外汉语教学都有实际的应用价值.     

抽象语义和全局交互的对话关系抽取方法

为解决对话关系抽取任务中实体间关联语义信息稀疏、获取核心语义和触发线索困难等问题,提出一种新型的对话关系抽取模型。在对话文本中融入抽象语义表示来增强对话的核心语义,以解决在对话关系提取过程中出现的语义缺失和逻辑纠缠问题;引入全局对话交互机制,通过对关键线索的捕捉来改善对话中有效信息稀疏的问题;通过增加明确的结构信息来进一步丰富实体间的关系特征,使模型能够更好地理解对话文本。实验结果表明：相较于基线模型BERTs,文中提出的模型在数据集DialogRE上的F₁和F_1C分别提升了5.5%和6.2%;相比于序列模型CNN、LSTM和BiLSTM,在对话关系抽取中准确率提高9%以上,效果显著。文中模型在复杂对话场景中的泛化能力更好,鲁棒性更强。     

基于OWL的本体访问控制模型

当前的语义网中，本体缺乏访问控制机制。这导致本体的隐私无法受到保护，最终损害了语义网的稳定性。为了实现对本体的有效保护，提出了一种基于网络本体语言的访问控制模型。该模型为本体中的类定义了访问规则和访问控制属性，并由此建立了访问控制关系。进一步研究了模型的性质使其有效地应用于本体和基于本体的推理系统的构建。分析表明，该模型能够明确地定义本体的访问控制关系，并充分应用于本体的保护。而且还可以通过灵活的扩展机制，适应语义网络中日益复杂的访问控制需求。     

基于OWL的本体访问控制模型

当前的语义网中，本体缺乏访问控制机制。这导致本体的隐私无法受到保护，最终损害了语义网的稳定性。为了实现对本体的有效保护，提出了一种基于网络本体语言的访问控制模型。该模型为本体中的类定义了访问规则和访问控制属性，并由此建立了访问控制关系。进一步研究了模型的性质使其有效地应用于本体和基于本体的推理系统的构建。分析表明，该模型能够明确地定义本体的访问控制关系，并充分应用于本体的保护。而且还可以通过灵活的扩展机制，适应语义网络中日益复杂的访问控制需求。     

利用句法模式从术语词典中抽取语义关系

提出了一种基于句法模式的语义关系抽取方法,用于从术语词典中抽取语义关系.该方法以句法模式为中心,结合了自然语言处理技术和统计的思想,充分利用术语词典文档中的句法信息,通过抽取包含着语义关系信息的句法模式,并将其与词典文本进行近似匹配以达到抽取语义关系的目的.实验结果表明,该方法可以有效地从术语词典中抽取多种语义关系.     

限定领域的自动问答系统研究

目前,自然语言处理系统由于缺乏语义信息及知识理解和推理能力,因此存在很多缺陷,在自动问答领域中很难分清用户表达的真正意图,并给出用户满意的答案.本文就此给出基于句法语义的问句分析方法,采用本体构建技术构建答案库,在此基础上进行领域知识语义推理,实现智能问答.本研究以黄山旅游为限定领域建立问答系统,试验结果表明多策略的方法是有效的.     

实体关系抽取研究综述

实体关系抽取作为信息抽取的核心任务和重要环节,能够实现实体对间语义关系的识别,对句子语义理解及实体语义知识库构建有着重要作用。回顾了实体关系抽取的发展史,总结了有监督实体关系抽取、无监督实体关系抽取、半监督实体关系抽取和开放式实体关系抽取4类方法的原理和代表性研究,并对各类方法进行了详细比较。     

基于模糊粗糙集的图像自动分类研究

如何使用图像底层特征有效表达高层语义是实现图像自动分类难以逾越的鸿沟。本文将模糊粗糙集理论引入图像自动分类,在使用图像底层特征表达高层语义的图像自动分类过程中,把高维特征向量处理、合适的描述符集合选择难题转换为模糊决策表,使用图像语义贴近度概念来检验图像特征属性间的数据依赖关系,以达到属性约简,剔除冗余信息和图像分类规则推导的目的,并定义了图像类别隶属度函数对图像进行分类。实验结果表明该图像分类系统的分类正确率达81.7%,说明该方法具有很好的精确性和有效性,能较好地实现图像自动分类。     

基于本体语义的简单向量距离分类方法

针对传统简单距离分类方法的特征选择未考虑到不同抽象层次上的词汇语义差异,提出了一种基于本体语义的简单向量距离分类方法,在本体库的支持下有效地将语言学知识融合到文本向量空间的表示中,进一步挖掘出特征项概念间的深层语义联系,用得到的语义特征向量作为最终的文本特征向量.同时定义了基于领域本体计算不同抽象层上的语义相似度,并将其应用到简单向量距离分类算法中.在数据集CWT20G上的实验表明:基于本体语义的简单距离分类算法对同义词、多义词、上下位词区分能力更强;并且分类准确率随着语义分析的深入逐步提高.     

Construction method of Chinese sentential semantic structure

A new method is proposed for constructing the Chinese sentential semantic structure in this paper.The method adopts the features including predicates,relations between predicates and basic arguments,relations between words,and case types to train the models of CRF + + and dependency parser. On the basis of the data set in Beijing Forest Studio-Chinese Tagged Corpus( BFS-CTC),the proposed method obtains precision value of 73. 63% in open test. This result shows that the formalized computer processing can construct the sentential semantic structure absolutely. The features of predicates,topic and comment extracted with the method can be applied in Chinese information processing directly for promoting the development of Chinese semantic analysis.The method makes the analysis of sentential semantic analysis based on large scale of data possible. It is a tool for expanding the corpus and has certain theoretical research and practical application value.     

融合概念格约简的中文领域本体学习方法

在基于形式概念分析的中文领域本体学习中,为提高概念格构建效率,将概念格约简理论应用于概念格构建中。首先对基于语义依存分析获取的形式背景进行对象和属性约简,然后基于约简的形式背景采用Godin算法构造概念格,最后根据修复定理修复约简概念格,得到完整的概念格。通过有关对萝蘼科植物的文本学习,得到一个萝蓐科植物领域本体。实验结果表明,引入概念格约简理论,概念格的构建效率提高70％,进而提高了领域本体构建的效率。