基于自然语言理解的受限领域自动应答系统

提出了一种在受限领域内进行自动应答的系统总体结构,通过构建领域词汇库、领域本体库、领域真实问句语料库及领域知识文本库等领域资源库,并借助于这些领域资源来理解问句和知识文本,在一定程度上降低了理解的难度。文章以银行业务咨询服务为例,分析了系统结构及实现过程,对问句分析、答案析取、问句语料库构建、文本知识标注等功能模块的实现进行了详细介绍。     

帮助计算机理解自然语言

大概当今时代最重要的经济因素就是,作为一个社会,我们正在脱离基于物资的生产和传播的经济,而进入了基于信息和知识的生产和传播的经济。这类信息和知识有许多是可用英语表达的,而许多获取、处理及传播信息和知识的工作,可以极大地借助于计算     

一个自然语言理解系统的设计和实现

在自然语言理解系统的建立过程中,首要的工作是建立单词词典、语义词典,并建立句型规则和词义信息,利用这些词典和规则进行语义分析和词义的辨识。结合许多实例,详细探讨了解决这些问题的各种方法,它们的有机配合可以有效解决本NKZL自然语言理解系统的语义分析和词义辨识问题,这些方法已经在本系统中得支了运用和验证。     

面向算法领域的自然语言理解

算法领域的自然语言理解主要是理解算法描述的处理及其规定的数据类型与结构等, 用于由算法自动地生成程序。在分析了各种算法书写的基础上,我们定义了一种用于描述算法的类自然语言, 并给出了理解类有然语言的方法。该方法是利用理解知识, 通过关健字的匹配实现理解的。我们还根据理解方法研制一个理解系统, 作为自动编程系统的一部分。理解系统是用PASCAL语言写成, 在IBM一PC/AT计算机上实现。本文介绍了上述内容。     

领域自然语言理解篇章中时间名词的研究

根据自然语言理解中在一定领域内篇章理解的特点,基于知识和内涵,分析了对时间名词理解的实现方法和难点,目的是对整个篇章的理解提供很好的支持.给出了篇章理解的总体流程,在此基础上讨论了时间语义理解在整个篇章理解的重要性和时间名词的语义和分类,并建立了时闻名词的结构模型和理解流程;对时间名词内涵的理解方法做了介绍;结合Rough理论,提出了一种判断时间名词模糊相等的方法.     

一个领域自然语言理解的知识获取工具的设计实现

本文介绍了一个基于知识的自然语言理解系统和系统的知识库中知识的表示模式,描述了知识库中领域过程树的知识获取过程。根据领域过程树的知识表示模式,本文设计并实现了一个知识获取工具,很好地提高了领域过程树知识获取的速度和准确度。     

领域自然语言理解篇章中时间名词的研究

根据自然语言理解中在一定领域内篇章理解的特点,基于知识和内涵,分析了对时间名词理解的实现方法和难点,目的是对整个篇章的理解提供很好的支持。给出了篇章理解的总体流程,在此基础上讨论了时间语义理解在整个篇章理解的重要性和时间名词的语义和分类,并建立了时间名词的结构模型和理解流程;对时间名词内涵的理解方法做了介绍;结合Rough理论,提出了一种判断时间名词模糊相等的方法。     

一个用于机器人自然语言理解的英语句法分析系统

在低挡可速度较慢的串行处理硬设备条件下，利用本文提出的启发式概念，分层搜索和匹配策略以及了大搜索长度等方法，可使推理速度提高一个数量级以上，此外，通过引入语义信息，分阶段消除歧义，自顶向下与自底向上相结合以及把一般颖问句一律变成相应陈述句的方法，解决了自动英语句法分析中的一系列难题，缩小了知识库的规模。     

多领域自然语言问句理解研究

问句理解是问答系统的主要任务之一。现有的问句理解方法大多是针对简单句的,且侧重于某种句式结构的理解。提出一种多领域问句理解研究方法,其涉及领域包括人物类、电影类、音乐类、图书类、游戏类、应用类。首先基于CRF算法对问句进行分类和主体识别,然后使用谓词词典和句法分析识别出问句的谓词,最后提出一种谓词消歧方法来解决相同问句具有不同表达方式的问题。实验结果表明,在封闭测试中,所提方法的问句分类和主体识别的平均F-measure值分别为93.88%和92.44%,谓词识别和问句理解的平均准确率分别为91.03%和81.78%。因此,所做的工作基本能满足问句理解的需求。     

面向限定领域问答系统的自然语言理解方法综述

领域无关的自然语言理解(NLU)技术在最近的十年中取得了长足的进步,然而由于基础研究与现实应用之间存在着强烈的实际需求与当前处理能力不足的矛盾,因此很多通用技术还不能在现实的问答系统中得到有效使用。针对现有的需求,开发面向领域的自然语言理解技术显得非常必要。首先对开放领域与限定领域问答系统进行了比较,并对一些典型的面向限定领域问答系统的自然语言理解技术进行了分析,然后介绍了面向限定领域问答系统的自然语言理解技术的评测标准,最后总结了目前限定领域问答系统研究存在的主要问题及未来发展方向。     

基于自然语言理解的UAV指令理解系统设计

在有人机与无人机协同完成任务时,为了使有人机操作人员更简便的控制无人机,如何对自然语言指令进行理解成为当前的热点问题.文中设计了基于自然语言理解的UAV指令理解系统,提出了该系统的结构组成、构建方案,详细讨论了各功能模块的作用和实现方案.该系统主要功能包括语音识别、自然语言理解和任务规划.考虑到自然语言理解实现的需求,定义了受限的自然语言指令文法规则,并采用自动分词算法对命令词汇进行切分,然后基于语法树的实例匹配算法对指令进行理解.最后,对其中的关键算法进行了仿真实验.实验结果表明,该系统对于无人机指令具有良好的理解结果.     

基于自然语言理解的自动应答系统

自动应答系统(QAS)是一种基于因特网的高性能软件系统。它的核心技术是基于自然语言理解的相关技术,包括知识库和语料库的建设、文本的切分和标注、句子的语法分析和语义分析等。重点论述了自动应答系统中知识信息的语义网络表示和LSF随机化句法分析模型,以及自动应答系统的结构与组成,并对LSF模型进行了参数训练,实践证明这些技术是可行的。通过开发银行的“受限领域自动应答系统”项目,这些技术被证明是高效的、可推广的。     

自动应答系统中自然语言理解技术的研究

自动应答系统（QAS）是一种基于因特网的高性能软件系统。它的核心技术是基于自然语言理解的相关技术,包括知识库和语料库的建设、文本的切分和标注、句子的语法分析和语义分析等。重点论述了自动应答系统中知识信息的语义网络表示和LSF随机化句法分析模型,以及自动应答系统的结构与组成,并对LSF模型进行了参数训练,实践证明这些技术是可行的、高效的。     

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。     

基于自然语言理解的专家系统研究

在论述了面向自然语言文本的知识供应方法已有研究之后,提出了面向推理设计语义关系标记,将自然语言理解与推理技术相结合,使自然语言理解结果可转化为便于计算机推理的语句。立足科技文献开发语义关系树库,提出面向语义关系分析的语句相似度计算方法,实现基于统计与规则相结合的自然语言语义关系分析,使自然语言科技文献可成为专家系统知识库,解决专家系统知识库表现形式不统一及知识获取的瓶颈。     

湖水清污机器人自然语言理解系统

由命令语句和机器人的特点,设计时将概念从属理论和格语法理论两种理论结合在一起,并结合机器人的特点对格语法作相应的修改,提高了系统的准确性和效率.     

基于篇章理解的自动文摘研究

本文在自然语言理解的基础上, 对自动文摘系统进行研究。研究在两级上进行, 一级是基于中心名词, 中心动词同其修饰成分间关系研究, 实现句子成分过滤, 完成句子主干提取。一级是上下文级, 基于篇章文体结构, 句子语义关联, 分别实现摘要基集产生算法, 摘要基集扩充算法及摘要集合生成算法。摘要基集的产生依赖于中心段, 中心句选取, 摘要基集扩充和摘要集合产生依赖于模糊语义距离的测试。