自然语言理解的机器认知形式系统

自然语言理解是人工智能研究中的热点和难点之一。基于现有的相关理论,本文提出自然语言理解的形式化定义,以及改进相关的公理系统,从而统一“意思理解”和“道理理解”等两种理解类型。通过设计、开发和运行“篇章理解原型程序”,验证理论成果的正确性和有效性。     

图形演化下的图学学科

本文回顾了人类在适应自然、改造自然的过程中对图形的需求以及图形的发展对 社会进步的作用,从图形引出文字、图形引出数字的本源出发,追溯图之源。用一个“形” 、 “意” 、 “元” 、“用”四维结构演绎图形的属性、地位和作用,并从这 4 个维度分析图形的演化过程, 揭示了图形在“形”维度的高维化、“意”维度的深度化、“元”维度的融合化和“用”维度的 渗透化的发展趋势。阐述了在这个图形演化趋势下的图学科学的形成、变革与发展,揭示图学 科学的内涵。在此认知下给出了一个基于图形要素的图学学科框架体系。     

蒙古语语义信息词典SIKM的研发

蒙古语语义信息词典（SIKM）作为一部知识库已成为整个蒙古语语言资源的组成部分。自2009年至今,词典的研发取得了阶段性进展。SIKM现已收录5.7万多条记录,涵盖4个词典库。其中包含全部词语的1个“总库”,名词、形容词、动词等3个词类各建一个数据库。每个数据库文件都详细刻画了各词类词语及其语义属性的二维关系。目前已完成5.7万多条词语的语义分类和属性描述,该分类体系和词典的一些属性信息初步被应用到蒙古文信息处理相关基础研究和开发之中。介绍词典规模及结构,语义分类体系、属性字段描述以及研制过程中遇到的一些难点,词典的初步应用情况等内容。     

基于系统调用序列的“非我”分类

针对仿生免疫系统模型（GECISM）中已识别出的“非我”入侵程序,介绍了基于系统调用序列根据入侵行为进行分类的方法。通过对训练集提取规则,建立“非我”类的特征库,从而判断出“非我”程序所属的“非我”类。实验验证了这一方法的可行性和有效性。     

一种基于原子功能的网络攻击效果评估指标体系

针对现有评估攻击效果的指标比较抽象、不够全面的缺点,本文研究了怎样构建网络攻击效果评估指标体系,定义了原子功能代表网络攻击效果的基本元素;通过分析攻击库挖掘原子功能,提出基于面向对象的目标实体建模方法,分析了原子功能和目标对象的关系;最后提出了以原子功能为基础的“属性-原子功能-评估指标-采集指标”四层指标体系。该体系具有属性分类互斥、代表大部分典型网络攻击效果、更易于效果评估操作等特点。     

基于基元模型的产品创意设计方法与表征研究

为打破传统 “设计直觉、灵感”生成过程“黑箱”,运用可拓学基元理论, 构建创意设计阶段基元模型,结合工业设计学科属性,提出“异特征”、“异量值”、“异规则”、 “关系同构”四个构思层面,明确分物元获取参照方法,以保证物元变换品质,得到基于基元 模型的产品创意设计方法及表征,有效提升产品创新品质。最后,以家用加湿器设计实例验 证了本方法的有效性、实用性和创新性。     

面向类不平衡问题的"职业举报人"识别方法

“职业举报人”团伙化、规模化、专业化、低龄化作案趋势日趋明显，政府部门对其识别大多采用人工鉴别的方法，造成了大量人力资源的浪费。采用Bootstrapping数据重采样技术，结合文本、时间和举报人属性等特征，在解决类不平衡数据的过拟合问题基础上，实现了“职业举报人”的准确识别。实验结果表明，相比过采样和欠采样技术而言，利用Bootstrapping重采样技术识别准确率更高，采用CFS方法结合BestFirst策略对数据特征进行优化，在保证精度的前提下能够实现更高的计算效率。以全国12358价格监管平台的真实数据为驱动，验证了方法的有效性，对比分析了“职业举报人”和正常消费者的投诉举报行为习惯差异。     

知识作业“动作-时间”分析法研究及应用

借鉴科学管理的思想,探索知识作业的“动作-时间”分析法,构建了知识作业的“动作-时间”分析法模型,以“手机短信发送”为例,模拟两个简单的手机操作任务,通过对比实验对模型进行了验证。实验结果显示通过知识作业“动作-时间”分析法设计的操作界面更加高效。研究结果表明,知识作业“动作-时间”分析法模型符合人类的认知规律,能够解析知识作业的加工过程,可以有效改善知识作业的作业效率。     

北京一地基微波辐射计的观测数据一致性分析和订正实验

基于辐射传输理论,以地基微波辐射计亮温数据质量控制研究为目的,以北京一台多通道微波辐射计为例,对其2010和2011年每天8:00和20:00(BT)的“晴空”观测亮温数据进行了分析,并利用独立来源的大气层结资料通过辐射传输方程进行亮温模拟计算,检验了亮温数据的“晴空”观测和数值模拟结果之间的一致性,发现了因“定标”和“搬迁”引起的数据不连续和不一致问题,考虑到“定标”使观测和数值模拟结果之间的一致性优于定标之前而“搬迁”改变的是地基微波辐射计的工作环境,通过对观测数据进行分段拟合订正,改善了观测数据的连续性和一致性。该研究对基于辐射传输理论的观测数据质量控制和提高观测资料的可利用性有参考价值。     

语义通讯——智能时代的产物*

通讯技术从信源信道编码,到载波调制机制,再到超宽带通讯,这些信号层面的通讯技术已逼近香农界,以传送数据或信号波形的当前通信技术往哪里发展？文中总结新型人工智能技术对通讯技术变革的引导作用,提出新的通讯方式,即语义通讯.相比当前通讯中的“形式通讯”,语义通讯的核心是“达意通讯”或“内容通讯”.它通过知识库的建立实现类似的目的,即“达意”通讯而非数据通讯,并且通过信息发送方与接收方之间知识库的匹配,实现信道的混用,提高容错率.这是一种真正意义上的人工智能通讯方式,即类脑通讯的方式.这种以“达意”为基础的类脑通讯将极大地减少实际需要传输的数据量,有效解决大数据时代对通讯技术带来的挑战.文中提出语义通讯的构想,并阐述语义通讯的基本特征,语义的基本元素、语义编码和解码,待研究内容以及需要解决的挑战问题.     

语义角色映射为句法成分的词汇语义制约规律及特点

该文以联接理论、事件结构理论为指导,进行词汇语义类、语义角色、句法成分对应关系的研究。选择人教社中小学语文课文语料,标注语义角色、句法成分及中心词的词汇语义类。在标注语料库的基础上,统计分析了词汇语义类与语义角色的对应关系,重点分析各语义类语义角色映射为句法成分的规律,并进一步总结了各词汇语义类的语义角色与句法成分的对应的特点。尽管词汇语义类、语义角色、句法成分之间存在错综复杂的关系,但还是有规律的,可以为计算机句法分析提供一些依据。     

基于远监督的语义知识资源扩展研究

语义知识资源蕴含了深刻的语言学理论,是语言学知识和语言工程的重要接口。该文以形容词句法语义词典为研究对象,探索对语义知识资源自动扩展的方法。该文的目标是利用大规模语料库,扩展原有词典的词表及其对应的句法格式。具体方法是根据词的句法格式将词典的词分类,将待扩展的新词通过分类器映射到原有词典的词中,以此把词典扩展问题转化为多类分类问题。依据的原理是词典词和待扩展新词在大规模语料中句法结构的相似性。该文通过远监督的方法构造训练数据,避免大量的人工标注。训练过程结合了浅层机器学习方法和深度神经网络,取得了有意义的成果。实验结果显示,深度神经网络能够习得句法结构信息,有效提升匹配的准确率。     

CRFs融合语义信息的英语功能名词短语识别

名词短语识别在句法分析中有着重要的作用,而英汉机器翻译的瓶颈之一就是名词短语的歧义消解问题。研究英语功能名词短语的自动识别,则将名词短语的结构消歧问题转化成名词短语的识别问题。基于名词短语在小句中的语法功能来确定名词短语的边界,选择商务领域语料,采用了细化词性标注集和条件随机域模型结合语义信息的方法,识别了名词短语的边界和句法功能。在预处理基于宾州树库细化了词性标注集,条件随机域模型中加入语义特征主要用来识别状语类的名词短语。实验结果表明,结合金标准词性实验的F值达到了89.04%,改进词性标注集有助于提高名词短语的识别,比使用宾州树库标注集提高了2.21%。将功能名词短语识别信息应用到NiuTrans统计机器翻译系统,英汉翻译质量略有提高。     

基于内容的图像分割方法综述

图像分割是指将图像分成若干具有相似性质的区域的过程,是许多图像处理任务的预处理步骤.近年来,国内外学者主要研究基于图像内容的分割算法.在广泛调研大量文献和最新成果的基础上,将图像分割算法分为基于图论的方法、基于像素聚类的方法和语义分割方法这3种类型并分别介绍.对每类方法所包含的典型算法,尤其是最近几年利用深度网络技术的语义图像分割方法的基本思想、优缺点进行分析、对比和总结.介绍了图像分割常用的基准数据集和算法评价标准,并用实验对各种图像分割算法进行对比.最后总结全文,并对未来可能的发展趋势进行了展望.     

基于多粒度特征表示的知识图谱问答

近年来,基于知识图谱的问答系统逐渐成为学术界和工业界的研究和应用热点方向,而传统方法通常存在效率不高以及未充分利用数据信息的问题。针对以上问题,本文将中文知识图谱问答分为实体抽取和属性选择2个子任务,采用双向长短期记忆条件随机场（Bi-LSTM-CRF）模型来进行实体识别,并提出一种多粒度特征表示的属性选择模型。该模型采用字符级别以及词级别分别对问句和属性进行嵌入表示并通过编码器进行编码,对于属性同时还引入热度编码的信息。通过不同粒度文本表示的结合,并对问句和属性进行相似度计算,最终该系统在NLPCC-ICCPOL 2016 KBQA数据集上取得了73.96%的F1值,能够较好地完成知识图谱问答任务。     

Learning graph prototypes for shape recognition

This paper presents some new approaches for computing graph prototypes in the context of the design of a structural nearest prototype classifier. Four kinds of prototypes are investigated and compared: set median graphs, generalized median graphs, set discriminative graphs and generalized discriminative graphs. They differ according to (i) the graph space where they are searched for and (ii) the objective function which is used for their computation. The first criterion allows to distinguish set prototypes which are selected in the initial graph training set from generalized prototypes which are generated in an infinite set of graphs. The second criterion allows to distinguish median graphs which minimize the sum of distances to all input graphs of a given class from discriminative graphs, which are computed using classification performance as criterion, taking into account the inter-class distribution. For each kind of prototype, the proposed approach allows to identify one or many prototypes per class, in order to manage the trade-off between the classification accuracy and the classification time.Each graph prototype generation/selection is performed through a genetic algorithm which can be specialized to each case by setting the appropriate encoding scheme, fitness and genetic operators.An experimental study performed on several graph databases shows the superiority of the generation approach over the selection one. On the other hand, discriminative prototypes outperform the generative ones. Moreover, we show that the classification rates are improved while the number of prototypes increases. Finally, we show that discriminative prototypes give better results than the median graph based classifier.     

基于语义角色标注的汉语句子相似度算法

在语义角色标注过程中,经常需要检索相似的已标注语料,以便进行参考和分析。现有方法未能充分利用动词及其支配的成分信息,无法满足语义角色标注的相似句检索需求。基于此,本文提出一种新的汉语句子相似度计算方法。该方法基于已标注好语义角色的语料资源,以动词为分析核心,通过语义角色分析、标注句型的相似匹配、标注句型间相似度计算等步骤来实现句子语义的相似度量。为达到更好的实验效果,论文还综合比较了基于知网、词向量等多种计算词语相似度的算法,通过分析与实验对比,将实验效果最好的算法应用到句子相似度计算的研究中。实验结果显示,基于语义角色标注的句子相似度计算方法相对传统方法获得了更好的测试结果。     

基于语义对齐的小样本语义分割模型

现实世界的物体图像往往存在较大的类内变化,使用单一原型描述整个类别会导致语义模糊问题,为此提出一种基于超像素的多原型生成模块,利用多个原型分别表示物体的不同语义区域,通过图神经网络在生成的多个原型间利用上下文信息执行原型校正以保证子原型的正交性.为了获取到更准确的原型表示,设计了一种基于Transformer的语义对齐模块,以挖掘查询图像特征和支持图像的背景特征中蕴含的语义信息,此外还提出了一种多尺度特征融合结构,引导模型关注同时出现在支持图像和查询图像中的特征,提高对物体尺度变化的鲁棒性.所提出的模型在PASCAL-5i数据集上进行了实验,与基线模型相比平均交并比提高了6%.     

中国英语学习者花园幽径句错位效应强度研究: 计算语言学视角

该文借助126名英语专业大二学生对100个花园幽径句和对照句的限时理解实验,讨论了中国英语学习者在解读花园幽径句过程中产生的错位效应,测算了效应强度,并与stanford parser的自动翻译进行了人机对比研究。花园幽径现象是一种有意识的受控行为。其编码和解码具有行进错位和认知过载现象,并能反映人类复杂的心理认知活动。实验证明: 在划分的引导词类错位、宾语辖域错位、嵌套错位和兼类错位四类中,错位效应呈现非对称性,其中兼类错位频数最高,错位效应强度也最大。在人机对照中,机器的程序解码错位和学习者认知解码错位不具有完全联动性和绝对共时性。     

融合概念对齐信息的中文AMR语料库的构建

作为一种新的句子语义表示方法,抽象语义表示(AMR)将一个句子抽象为单根有向无环图,目前已经建立了较大规模的英文语料库。然而,句子中的词语和AMR图的概念对齐信息缺失,使得自动分析效果和语料标注质量受到影响,同时中文尚无较大规模的AMR语料库。该文介绍了中文AMR语料库的构建工作,针对汉语特点调整了AMR的标注体系,增加对复句关系的标注,提出了融合概念对齐的一体化标注方案,解决了中英文输入法频繁切换的问题,增加了错别字纠正和未标注词高亮功能,提高了标注效率。然后,从CTB中选取了6 923句进行人工标注,形成中文AMR语料库,统计得到图和环的比例分别为48%和1%,以及利用对齐信息才能获取的非投影句的比例32%,为中文AMR的理论和自动分析研究奠定基础。