语义块的多元逻辑组合构成研究

利用HNC概念符号知识深入到词语的语义层面,从概念类别的内涵出发,结合概念间语义相关度计算方法以及少量句类知识对非特征语义块的多元逻辑组合的各种情况进行了初步分析。采取演绎和归纳的方法得到了关于语义块的多元逻辑组合的三种语义块结构（并联、串联和混联）的发现、内部结构分析及边界确定的有关规则,并实际验证了这些规则的有效性。     

基于描述逻辑规则的语义Web服务组合

针对OWL-S语义Web服务自动组合问题,提出了一种基于描述逻辑(DL)规则的建模和组合方法.将ServiceProfile中的原子服务及其输入、输出参数分别建模DL中角色和概念,将概念间上下位关系和ProcessProfile中组合流程模型建模为DL规则,以一种统一的方式刻画语义Web服务的静态功能语义和动态交互特征...     

基于描述逻辑的XACML策略研究

针对XACML策略间的语义表示、冲突等问题,提出基于描述逻辑的形式化方法,对XACML策略的目标、规则、规则组合算法和策略冲突消解算法进行形式化处理,并给出基于描述逻辑的规则间冲突检测方案.分析结果表明,该形式化方法便于XACML策略的扩展,并且增强了XACML的语义表达能力和推理能力.     

基于语义网规则语言的推理机制框架设计

分析了本体描述语言OWL DL在表达能力上局限于描述逻辑的缺陷以及语义网规则语言(semantic web rule language,SWRL)的特点,在已有时本体和规则结合推理的研究基础上,提出了一个基于SWRL的推理机制框架.该框架在OWL本体中引入了规则的表示,弥补了OWLDL在推理机制上的不足,经该框架推导出的新本体在原本体的基础上增加了概念间的语义关联,将隐性知识显示化,完善了本体知识库的内容.在语义Web领域,该框架的应用能够提高本体知识的利用率.     

f-SHOIQN:一种模糊非单调描述逻辑

针对描述逻辑无法表示语义网中模糊和非单调知识的问题,在模糊描述逻辑f-SHOIQ基础上增加弱否定构造算子,提出模糊非单调的描述逻辑f-SHOIQ_N。使用弱否定标记模糊非单调原子概念,进而表示模糊非单调规则。将模糊非单调规则引入模糊描述逻辑f-SHOIQ,用来表示模糊和非单调知识。构建f-SHOIQ_N的知识库,给出该知识库中模糊非单调知识和模糊单调知识处理方式。为处理模糊非单调知识库中规则的竞争并满足描述逻辑中概念包含、相等的问题,提出f-SHOIQ_N中竞争规则的优先级判定算法。分析f-SHOIQ_N具有的性质,并给出相关证明。     

基于语义的Web文本分析技术

语义技术能够提高Web文本分析的精度。该文介绍了两种语义技术：概念语义技术和形式化语义技术。非负矩阵分解方法获取的概念语义技术同时满足概念语义的准确性和算法复杂性要求。本体是一种流行的形式化语义技术，基于本体的信息系统中通常存在本体的异构问题。引入概念的最简多元界定义来寻找概念的最佳近似，提供了寻找概念最简多元界的算法思想。     

藏文句义分割方法

句子是字或词根据语法规则进行组合的编码,句义分割是句子组合规律的解码问题,即对句义进行解析。在藏文分词后直接进行语义分析,其颗粒度过小,容易出现词语歧义,而以句子为分析单位,则颗粒度过大,不能较好地揭示句子的语义。为此,提出一种藏文句义分割方法,通过长度介于词语和句子之间的语义块单元进行句义分割。在对句子进行分词和标注的基础上,重新组合分词结果,将句子分割为若干个语义块,并采用空洞卷积神经网络模型对语义块进行识别。实验结果表明,该方法对藏文句义分割的准确率达到94.68%。     

语义Web服务的形式化与满足性研究

描述逻辑是语义网的理论基础,首先通过对语义Web服务中的输入/输出参数进行抽象描述,依据描述逻辑理论得到语义Web服务的形式化定义。从描述逻辑的角度把语义Web服务映射成某一领域中的概念,把语义Web服务的组合看成是一个新的语义Web服务的形成,新服务形成后是否有意义其实就是描述逻辑中新概念的满足性问题。通过引入Tableau算法,证明了新语义Web服务的可终止性,并给出了语义Web服务满足性的可判定过程。这一工作为具体语义下的Web服务的发现、组合等问题的解决提供了理论基础,具有十分重要的指导作用。     

描述逻辑在基于语义的服务消息交互中的应用*

提出了一个基于描述逻辑规则的自动服务交互的模型框架,将服务抽象成基于消息的服务模型。该服务模型将在服务之间传递的面向对象的服务消息作为服务交互的主要手段,使用描述逻辑的概念对服务之间传递的消息数据进行语义分析,在服务内部数据模式与描述逻辑知识库间建立对应关系。在交互规则方面,使用基于描述逻辑和Horn子句进行描述;在描述逻辑的Tableau算法的支持下,对知识库概念和规则进行有效性、一致性和可满足性的验证,实现数据异构模式下服务间基于语义的自动交互。     

描述逻辑在基于语义的服务消息交互中的应用*

提出了一个基于描述逻辑规则的自动服务交互的模型框架,将服务抽象成基于消息的服务模型。该服务模型将在服务之间传递的面向对象的服务消息作为服务交互的主要手段,使用描述逻辑的概念对服务之间传递的消息数据进行语义分析,在服务内部数据模式与描述逻辑知识库间建立对应关系。在交互规则方面,使用基于描述逻辑和Horn子句进行描述;在描述逻辑的Tableau算法的支持下,对知识库概念和规则进行有效性、一致性和可满足性的验证,实现数据异构模式下服务间基于语义的自动交互。     

汉语中人称代词的消解研究

人称代词的消解是自然语言处理中十分重要的问题,人称代词消解,就是确定人称代词与先行语之间的相互关系,从而明确人称代词究竟指代什么对象,现有的许多应用系统,如文本摘要、信息抽取等采取了从文本中直接抽取句子的做法,而结果可能会含有某些无先行语的人称代词,使理解变得非常困难,人称代词消解无疑可以解决类似的问题。该文主要结合句类基本知识,根据人称代词所在语义块中的语义角色和人称代词对应的先行语可能的语义角色,给出了消解人称代词的基本规则。同时,作者也从句法的角度,结合局部焦点法给出了优选性规则。     

汉语块扩句的自动分析

块扩句是一类概念预期知识十分明确的句子。基于概念层次网络理论介绍了块扩句对应的块扩句类,总结了能够激活块扩句类的典型块扩动词。根据块扩动词的概念知识得到句子的特征语义块及块扩句类,依据块扩句类的知识对句子进行检验后可给出句子句类的分析结果。在已有的句类分析系统的基础上对真实语料中的块扩句进行了自动分析,实验表明正确率达到了71.29%,错误主要来自特征语义块动词辨识、动词多句类代码等。正确分析块扩句将有助于解决汉语句子的多动词处理难点。     

基于概念基元的句群情景框架抽取研究

句群的构成要素是领域、情景和背景,领域是核心.领域关联的情景框架主要依据领域句类知识库的描述,从句群语句的语义块中抽取.本文介绍了在语言概念空间中对句群情景框架的概念符号描述,通过匹配整合句群情景框架中语义块的概念约束和句类分析结果中的语义块,给出了从自然语言空间的句群中抽取情景框架要素的方法,并根据实验结果总结了句群情景框架抽取中需要加强和完善的地方.     

HNC语义标注模型的构建

介绍一种基于HNC理论的、人机结合的汉语语料语义标注模型.首先分析了HNC语义标注的内容,在此基础上定义了标注的流程.因标注十分复杂,在流程的主要环节使用机器标注来帮助人工标注.具体地说,在语义块切分问题上采用最大熵模型,其正确率和召回率分别达到了83.78%和91.17%;在句类判断问题上采用基于实例的模型,其正确率达到了51.64%.运用此标注模型建设了HNC语义标注语料库,目前语料规模已达到40万字.     

A knowledge graph-supported information fusion approach for multi-faceted conceptual modelling

It has become progressively more evident that a single data source is unable to comprehensively capture the variability of a multi-faceted concept, such as product design, driving behaviour or human trust, which has diverse semantic orientations. Therefore, multi-faceted conceptual modelling is often conducted based on multi-sourced data covering indispensable aspects, and information fusion is frequently applied to cope with the high dimensionality and data heterogeneity. The consideration of intra-facets relationships is also indispensable. In this context, a knowledge graph (KG), which can aggregate the relationships of multiple aspects by semantic associations, was exploited to facilitate the multi-faceted conceptual modelling based on heterogeneous and semantic-rich data. Firstly, rules of fault mechanism are extracted from the existing domain knowledge repository, and node attributes are extracted from multi-sourced data. Through abstraction and tokenisation of existing knowledge repository and concept-centric data, rules of fault mechanism were symbolised and integrated with the node attributes, which served as the entities for the concept-centric knowledge graph (CKG). Subsequently, the transformation of process data to a stack of temporal graphs was conducted under the CKG backbone. Lastly, the graph convolutional network (GCN) model was applied to extract temporal and attribute correlation features from the graphs, and a temporal convolution network (TCN) was built for conceptual modelling using these features. The effectiveness of the proposed approach and the close synergy between the KG-supported approach and multi-faceted conceptual modelling is demonstrated and substantiated in a case study using real-world data.     

基于HNC理论的词语相似度计算

该文运用自然语言处理的概念层次网络(Hierarchical Network of Concepts,HNC)理论提出了一种词语相似度计算方法。该方法利用HNC理论词汇层面联想的概念表述体系,根据HNC映射符号的编码规则和符号映射理论,综合概念内涵、概念外部特征、概念类别和组合符号来计算词语的相似度,并与基于知网的词语相似度算法和人工的主观判断的相似度进行了比较分析。实验结果表明,该方法能够较好地反映词语之间的语义差别,与人的直观判断基本一致,是一种有效可行的方法。     

基于概念层次网络的知识表示与本体建模

知识表示是自然语言理解的重要基础。知识表示不统一、语义信息无法系统化利用是目前存在的亟待解决的问题。要解决这个问题,就要解决语义知识表示的问题。该文基于概念层次网络,描述了词语、句子和篇章层面的语义知识表示方法。基于文中描述的词汇层面的表示方法,构建了一个多语言本体知识库。该知识库的知识表示方法不仅可以为知识表示理论研究提供基础,还可以为自然语言处理相关领域的应用提供资源支持。     

基于句类向量空间模型的自动文本分类研究

向量空间模型是自动文本分类中成熟的文本表示模型，通常以词语或短语作为特征项，但这些特征项通常只能提供较少的局部语义信息。为实现基于内容的文本分类，该文用HNC理论中的句类作为特征项，通过混合句类分解等技术对句类向量空间降维，使用tfc算法对特征项进行权重计算，用KNN算法进行分类。该分类器的平均准确率和召回率都是可接受的，对类别的抽象程度无要求，即抽象度较高和较低的类别可以同时分类。通过使用更好的机器学习算法和其他的HNC语言理解技术，性能可以进一步提高。