动词-动词搭配关系的自动标注方法

提出了基于范例的动词-动词搭配关系类型标注方法,以选取的10万语料为基础构建范例库,开发了动词-动词搭配关系类型标注系统,并分别对5万语料中X不超过1的同现动词对和X超过1的同现动词对进行标注实验,标注正确率为93．17％。     

基于语义依存的中文本体非分类关系抽取方法

为了解决中文本体非分类关系抽取问题,提出了基于语义依存分析的非分类关系抽取方法.利用语义角色标注和依存语法分析思想,分析得到了文本句子的语义依存结构,提取其中具有语义依存关系的动词框架,通过计算语义相似度,发现了动词框架中概念间的非分类关系和关系名称.实验结果表明该方法能够有效地实现非分类关系的抽取和关系的语义标注.     

基于形体组合关系的基元体积别技术研究

提出了一种新的基于组合因子的基元体积别方法,从构成复杂形体的基元体之间的组合关系类型入手,将组合关系分为显式组合关系和隐式组合关系,针对显式组合关系在二维图纶中的投影特性,将其在二维视图中的相关投影定义为组合因子,并由此建立相应的组合关系表,最后基于组合关系表对具有不同组合关系的基元体进行识别,该方法将存在于二维视图中的组合因子与其对应的三维空间中基元体之间的组合关系信息联系起来,具有搜索空间小,识别范围广等优点,并在原型系统中得到了应用。     

基于形体组合关系的基元体识别技术研究

提出了一种新的基于组合因子的基元体识别方法 .从构成复杂形体的基元体之间的组合关系类型入手 ,将组合关系分为显式组合关系和隐式组合关系 ;接着 ,针对显式组合关系在二维图纸中的投影特性 ,将其在二维视图中的相关投影定义为组合因子 ,并由此建立相应的组合关系表 ,最后基于组合关系表对具有不同组合关系的基元体进行识别 .该方法将存在于二维视图中的组合因子与其对应的三维空间中基元体之间的组合关系信息联系起来 ,具有搜索空间小、识别范围广等优点 ,并在原型系统中得到了应用     

汉英动词次范畴化对应关系自动获取

动词次范畴化及其自动获取的研究已经在英、汉等很多语种里取得了较好的成果,但跨语言的次范畴化研究仍然很少,并且不成体系。描述了基于汉英双语语料库的统计分析并获取跨语言次范畴化对应关系的系统化实验。首先,根据双语词典和句法相似度识别谓词可能对齐的句对;然后,应用双重最大似然检验的统计过滤方法自动获取了654种次范畴化框架对应类型。实验结果分析表明,这些对应类型具备统计和句法意义上的协调性。     

基于框架语义的隐式篇章关系推理

篇章关系分析是一种专门针对篇章语义关系及修辞结构进行分析与处理的自然语言理解任务。隐式篇章关系分析是其中重要的研究子任务,要求在显式关联线索缺失的情况下,自动检测特定论元对之间的语义关系类别。目前,隐式篇章关系分析性能较低,主流检测方法的准确率仅约为40%。造成这一现状的主要原因是: 现有方法脱离论元的语义框架进行关系分析与检测,仅仅局限于特定论元特征的关联分析。针对这一问题,该文提出一种基于框架语义的隐式篇章关系推理方法,这一方法有效利用了框架语义知识库(即FrameNet)和相关识别技术,实现了论元语义框架的自动识别,并在此基础上,借助大规模文本数据中框架语义关联关系的分布概率,进行论元语义一级的关系判定。实验结果显示,仅仅利用第一层框架语义知识,即可提高隐式篇章关系检测性能至少5.14%;同时,在考虑关系类别平衡性的情况下,这一方法能提高至少10.68%。     

基于HMSVM模型的动词+名词关系研究

动词+名词现象在中文句法分析中具有非常重要的地位,它直接影响着句子的结构分析,隐马尔科夫支持向量机是兼顾词语前后关系的一种结构化学习模型,该模型在英文句法分析中的有效性已经被证明,将该模型用于中文动词+名词关系分析识别任务,实验结果表明,该模型能获得很好的关系识别效果。     

中文篇章级句间语义关系识别

篇章句间关系识别(Discourse Relation Recognition)是篇章分析的重要内容,该文对中文篇章句间关系识别任务进行初步探索,包括显式篇章句间关系识别与隐式篇章句间关系识别两类任务。针对显式篇章句间关系,我们提出基于关联词规则的方法进行识别,取得了很好的效果;针对隐式篇章句间关系,我们抽取词汇、句法、语义等特征,采用有指导模型进行识别。该文的分析和实验结果为后续研究提供了参考和基本对照系统。     

平行推理机制:一种隐式篇章关系检测方法

篇章是论元经过语义关联和结构化组织形成的自然语言文体.篇章分析研究的核心任务之一是解释论元的语义关系,其中,显式关系因具有直观线索而易于检测,目前检测精度高达90%;相对而言,隐式关系因缺乏直观线索而难于检测,目前精度仅约40%.针对这一问题,基于一种"论元平行则关系平行"的假设,并利用显式篇章关系易于检测的特点,通过平行论元的识别与平行关系的消歧,实现了一种显式关系平行推理隐式关系的隐式篇章关系检测方法.利用标准宾州篇章关系树库(Penn discourse Tree Bank,简称PDTB)对这一检测方法进行评测,结果显示,精确率提升达17.26%.     

藏语判断、存在动词识别策略

判断动词与存在动词在藏语中使用频度高,兼类现象频繁,在不同语境下具有不同的含义。既可以表示判断、存在和领有意义,也可作为语法标记表达复杂的体貌、示证意义。判断、存在动词的多功能性给藏文文本分词标注、句型识别等工作带来较大的困难。借助藏语语法的研究成果和真实藏文文本,我们对这两类词的上下文语境进行了分析和归纳,进而提出了辨别这两类词的方法。首先,考察判断动词和存在动词在不同语境下的左右特征词;然后,建立了识别规则库,从肯定与否定两个方面判别其词性并标注。     

基于平行论元的隐式篇章关系推理研究

基于Penn Discourse TreeBank(简称PDTB)语料中的隐式篇章关系类型,提出一种无指导的识别方法。主要依据显式与隐式平行论元对之间的映射关系实现显式到隐式关系的推理,即利用显式论元对的篇章关系,推理与之平行的隐式论元对的篇章关系。推理过程主要包括:基于大规模语料库以及基于搜索引擎的平行语料挖掘,平行语料中显式连接词映射到篇章关系过程的消歧。与传统基于监督学习的分类方法相比,基于统计的无指导方法在隐式篇章关系推理的性能上获得显著提升,识别精确率提高了近15.6%。此外,在分析比较各研究方法的同时,指出目前隐式篇章关系推理研究所面临的主要困难与挑战。     

基于案例模糊的无人机故障诊断系统

无人机是一个结构复杂的机电一体化系统,为了满足故障诊断的需求,以模糊数学理论为基础,并将案例推理融合到模糊推理机中.重点论述如何确定模糊关系矩阵和案例式推理的原理,详细介绍了案例匹配流程,提出了一种新的模糊推理机制,并最终设计实现系统功能,提高了无人机故障诊断效率、准确度、可靠性.     

基因表达式编程算法的应用

讨论基因表达式编程算法的设计原理。对基因表达式编程进行了详细的介绍,将GEP运用于函数关系发现问题,仿真结果表明,该算法收敛速度较快,预测精度很高。     

J rv粗糙 Vague 区域关系的新增蕴涵式

Jrv 粗糙 Vague 区域关系是一类重要的不确定拓扑关系,在空间数据库、图形图像处理和空间数据挖掘等领域具有重要的作用。为了弥补已有方法的不足,论文对 Jrv 粗糙 Vague 区域关系的蕴涵式进行了研究,新给出了八种蕴涵式。利用给出的蕴涵式,可进一步增强 Jrv 粗糙 Vague 区域关系的推理能力。     

基于深度学习的隐式篇章关系识别综述

隐式篇章关系识别是自然语言处理中一项富有挑战性的任务,旨在判断缺少连接词的两个论元(子句或者句子)之间的语义关系(例如转折)。近年来,随着深度学习在自然语言处理领域的广泛应用,各种基于深度学习的隐式篇章关系识别方法取得了不错的效果,其性能全面超越了早期基于人工特征的方法。文中分三大类对最近的隐式篇章关系识别方法进行讨论:基于论元编码的方法、基于论元交互的方法和引入显式篇章数据的半监督方法。在PDTB数据集上的实验结果显示:1)通过显式地建模论元中词或文本片段之间的语义关系,基于论元交互的方法的性能明显好于基于论元编码的方法;2)引入显式篇章数据的半监督方法能有效地缓解数据稀疏问题,从而进一步提升识别的性能。最后,分析了当前面临的主要问题,并指出了未来可能的研究方向。     

基于评论数据中隐式邻居关系的推荐系统研究

传统推荐系统大多使用基于协同过滤的方法进行推荐,然而在现实场景中,大多数用户只对很少的项目进行了评分,因为缺少历史评分数据造成了冷启动问题,导致协同过滤方法的推荐质量不佳。本文使用丰富的评论数据挖掘用户之间和项目之间的隐式邻居关系,并联合项目信誉问题建立基于评论数据的社交矩阵分解模型Re TOMF。实验表明,与对应的其他推荐模型相比,Re TOMF展现了更好的推荐性能。     

环境信息建模与推理方法

人类行为理解是机器智能研究中最富有挑战性的领域。其根本问题是语义获取,即从动作推理得到人的行为,需要跨越两者之间的语义鸿沟。一般认为这样的推理需要上下文感知和知识库的支持,文献中也存在大量的上下文感知、建模、推理方法,但是,缺乏一个普适的、切实可行的语义获取理论和途径,目前的这些工作都只能针对特定的场景提出特定的解决方案,不可推广。本文提出了一种人关于日常行为知识与人体动作、环境信息之间的建模方法,以及可扩展的开放式结构的环境-行为关系模型,基于该模型提出一种新的行为理解的渐进式认知推理方法。应用这种渐进式推理方法,系统可以把人关于日常行为的知识与人体运动、环境变化等传感器数据处理可以获取到的信息动态绑定,实现了知识辅助的行为理解。提出的推理方法能处理长时间、同时发生的行为。     

基于注意力掩码语言模型的隐式篇章关系识别

隐式篇章关系识别是在缺少显式连接词的条件下,自动判定论元之间的语义关系。其挑战性在于现有训练数据的规模较小,其蕴含的语义多样性也相对有限。针对上述问题,该文利用掩码语言模型架构建立篇章关系分类模型。其动因包括：(1)掩码语言模型在自监督学习过程中具备局部的语言生成能力,即在理解上下文语义的基础上“重构掩码区域语义表示”的能力;(2)掩码重构形成了数据增强(潜在的自动数据扩展)的效果,有助于提高篇章关系分类模型的鲁棒性。特别地,该文提出一种基于交互注意力的掩码语言模型,该方法计算论元之间的交互注意力矩阵,并依赖交互注意力动态选择论元之间高关联性的关键词项进行遮蔽、掩码重构,从而形成更有针对性的数据增强(非关键信息的数据增强对关系分类影响不大)。该文利用宾州篇章树库语料进行实验。实验结果表明,相较于基准系统,我们提出的方法的F₁值在四大类关系(对比关系、偶然性关系、扩展关系和时序关系)上分别提高了3.21%、6.46%、2.74%和6.56%。     

基于评论的隐式社交关系在推荐系统中的应用

传统推荐系统研究很少利用评论数据来提高推荐性能。评论数据富含用户对物品的评价观点,有助于建立用户间或物品间的关联。针对如何利用评论数据改善推荐效果,提出了一种基于评论的隐式社交矩阵分解模型。模型利用评论间的相似性构建用户间和物品间的隐式社交关系,并将该隐式关系集成到社交推荐框架中,改进了传统矩阵分解推荐模型。实验表明,基于评论数据的隐式社交关系在多个数据集上使传统矩阵分解算法的RMSE降低了约3%。特别是当系统面临用户冷启动困境时,即只有少量用户评分数据可被收集到时,推荐提升效果更为显著。这表明丰富的评论数据能够被转化为改善推荐系统的有用知识。