基于深度学习的专利知识推荐服务研究

专利作为一种包含大多数领域中最完整的设计信息,可以为设计者解决设计问题提供有价值的指导。针对现有的专利推荐方法难以有效地推荐跨领域专利的问题,提出一种基于深度学习的跨领域专利知识推荐方法,用于创新产品的概念设计。对产品功能和知识需求情境进行建模,将设计问题进行标准化表达,生成设计问题空间。提出一种半监督学习算法（TG-TCI）将专利功能信息按照功能基自动分类和标记,利用实体识别算法（BERT-BiLSTM-CRF）提取专利应用场景术语、技术术语,结合国际专利分类（IPC）信息以表示专利的功能、情境、技术和领域属性,从而生成专利知识空间。通过设计问题空间到专利知识空间的功能基和知识情境映射查找所需的跨领域专利,根据技术和领域属性对它们进行聚类和评估,选出特定的专利以激发设计者的创造力。以一个实际案例进行分析验证,证明了基于深度学习的专利知识推荐模型的可行性及有效性。     

集成多种背景语义知识的共指消解

共指消解是信息抽取中一个重要子任务。近年来,许多学者尝试利用统计机器学习的方法来进行共指消解并取得了一定的进展。背景知识作为新的研究热点已经被越来越多地利用在自然语言处理的各个领域。该文集成多种背景语义知识作为基于二元分类的共指消解框架的特征,分别在WordNet、维基百科上提取背景知识,同时利用句子中的浅层语义关系、常见文本模式以及待消解词上下文文本特征。并利用特征选择算法自动选择最优的特征组合,同时对比同样的特征下最大熵模型与支持向量机模型的表现。在ACE数据集上实验结果表明,通过集成各种经过特征选择后的背景语义知识,共指消解的结果有进一步提高。     

面向机械产品概念设计的知识库设计研究

针对机械产品概念设计中设计知识功能语义定义模糊和隐形知识重用率低的问题, 研究了基于领域本体表示的知识库设计方法,支持设计知识的自助发布管理和语义信息检索等 功能。提出设计知识表示的本体模式和建模方法,建立领域本体;从概念设计方案需求粒度、 功能目标及企业知识自管理等方面考虑,建立多维设计知识分类体系;设计JSON 文件到OWL 文件的映射规则,实现设计知识的发布、维护、存储和检索。最终实现面向机械产品概念设计 的知识管理,为企业设计人员提供知识共享和重用,支持产品概念设计的方案创新。     

电力领域语义搜索系统的构建方法

电力领域不断累积大量的数据资源,包含相关标准规范、技术文档、管理文档、故障解决记录等等,如何对这些文档进行快速查询和智能搜索,对于电网调度与故障恢复具有重要价值.传统的电力领域搜索系统都是基于关键词来实现,存在查准率和召回率低的问题,无法理解业务语言,无法支持语义推理.本文设计实现一种基于知识图谱的电力领域语义搜索系统的构建方法,通过智能领域分词技术对非结构化数据进行语义知识提取,组织并存储为知识图谱,基于知识图谱来实现支持推理的语义搜索.介绍了领域语义搜索系统构建流程,并进行平台实现,实验表明该方法查准率和召回率均有较大提升.     

多层次多粒度采煤机创新设计知识表达方法

针对现有知识表达方法难以全面有效地表达采煤机创新设计知识、采煤机专题知识库对知识的表达不够全面和检索效率不高等问题,为实现采煤机创新设计知识和经验的重用,激发设计者进行知识类比迁移的能力,提出了多层次多粒度采煤机创新设计知识表达方法。提取参数、结构、功能、原理、效应和领域等6种属性,用不同抽象粒度的知识对属性进行描述,每一个粒度又分别对应着概念层、语义关系层、实例层等抽象层面。通过特征属性描述生成知识条目,构建了多层次多粒度采煤机创新设计知识库,并通过本体推理和语义扩展从本地知识库和互联网资源检索得到不同层次不同粒度的知识,从而实现采煤机创新设计知识的多层次多粒度表达。以采煤机滚筒结构改进设计为例验证了该方法的可行性。     

基于互联网的词汇语义知识库构建框架研究

互联网已成为全球最大的知识资源库,然而要从互联网上获取有用的知识却非常困难。本文提出一种基于互联网的词汇语义知识库构建框架,分为三个大模块：网页文本自动获取、知识获取和知识应用。该框架能实现在线获取海量网页文本,提取中文组合词并对其进行词标注,获取同义词集和词间语义关系,进而实现语义计算。词汇语义知识库的构建将为大量的知识应用提供基础。     

语义网检索中的知识收集方法研究

针对传统信息检索中存在的缺乏知识表示和语义处理能力低的问题,本文提出了一个基于本体的语义网信息检索框架,该框架包括知识收集与储存层、人机交互层和知识处理层。对该框架中知识收集与储存层的关键技术及实现进行了介绍,主要包括领域本体库的构建、元数据的提取和知识库的构建等功能。其中,对元数据提取中的核心技术的实现,如领域本体库的解析、文件预处理、语义标注、知识抽取等作了详尽的介绍。     

基于多维语义的互联网药品信息提取方法

提出了基于多维语义的互联网药品信息提取方法,构建语义词典通过从多个维度对互联网药品知识进行描述,克服了不同来源网页之间的异构性并找出了其隐藏的共性.同时,采用了基于结构语义熵的方法对目标网页信息聚集区域进行定位,从中提取感兴趣的药品信息.最后再通过语义词典对提取的信息进行验证并自动生成XPath提取规则进行补充.该方法...     

基于功效特征的专利聚类方法

当前专利是按照领域划分的,而基于功效特征可以实现跨领域的专利聚类,这在企业创新设计中具有重要意义,而精确提取专利功效特征和快速获得最优聚类结果是其中的关键任务。为此提出一种信息实体语义增强表示（ERNIE）和卷积神经网络（CNN）相结合的功效特征联合提取（FEI-Joint）模型来提取专利文献的功效特征,并且改进自组织神经网络（SOM）算法,从而提出具有早期拒绝策略与类合并思想的自组织神经网络（ERCM-SOM）来实现基于功效特征的专利聚类。对FEI-Joint模型与TF-IDF、狄利克雷分布（LDA）、CNN在特征提取后的聚类效果上进行比较和分析,结果表明其F-measure值比其他模型有明显提高。ERCM-SOM算法与K-Means算法、SOM算法相比,在F-measure值提高的同时,其时间较SOM算法有明显缩短。对比使用专利分类号（IPC）的专利分类,采用基于功效特征的聚类方法可实现跨领域的专利聚类效果,为设计者借鉴其他领域的设计方法奠定了基础。     

基于内容的图象检索中的语义处理方法

基于内容的图象检索系统,其目标是最大限度地减小图象简单视觉特征与用户检索丰富语义之间的“语义鸿沟”,因此图象语义处理则成为基于内容的图象检索进一步发展的关键。为了使人们对基于内容的图象检索中的语义处理方法有个概略了解,首先从图象语义模型和图象语义提取方法这两个方面对利用语义进行图象检索的研究状况进行了总结,并将图象语义模型概括为图象语义知识、图象语义层次模型和语义抽取模型等3个主要组成部分;然后将图象语义提取方法分为用户交互、将查询请求作为语义模板、对象及其空间关系、场景和行为语义及情感语义等类别,同时对其中有代表性的方法进行了详细的分析,还指出了其局限性;最后从对象建模和识别、语义抽取规则和用户检索模型3个方面,阐明了实现图象语义处理所面临的问题,并提出了一些初步的解决思路。     

基于依存树的中文语义角色标注

现有中文语义角色标注主要集中在基于短语结构句法树的标注。基于此,提出一种基于依存树的中文语义角色标注方法。将中文句子转化为标准的依存树,作为实验数据集,特征选取时结合知网,将语义信息引入特征集,以提高系统的召回率,并采用最大熵分类器进行实验,获得90.68%的F值。结果表明,在标准的句法树上,当基于依存关系的标注系统中加入新特征时,该中文语义角色标注取得了比基于句法成分标注更好的成绩。     

基于本体的融合知识测度分析

针对知识融合产生的新知识规模庞大的问题, 提出一个基于本体的融合知识测度指标. 利用默认关系强度分析知识单元之间融合的紧密程度, 根据词汇链的构建规则定义语义相关度, 由概念本体树的语义距离计算概念之间的语义相关度, 并运用最大熵模型分析融合知识的语义熵. 分析知识元素属性值对融合知识的影响, 确定其相应效用权重系数; 综合上述指标构建对融合算法具有特定趋势指导作用的融合知识测度, 并分析该测度指标对称性、确定性、非负性和扩展性等性质. 应用实例表明了所提出指标的有效性, 并进一步说明了融合知识测度在知识评价体系中的重要作用.

     

基于语义分类的外观专利图像快速检索系统

针对大规模专利图像特征库的特点,使用边缘轮廓距离与分块特征相结合的方法提取低层视觉特征,结合基于K均值聚类的分类索引方法,兼顾语义相似和视觉特征相似,对专利图像库数据构建索引结构,实现了先分类后检索的功能。实验结果表明,方法不仅提高了检索速度,而且提高了检索的语义敏感度。     

基于语义分割不确定性的特征点选择算法

针对基于特征点法的视觉里程计中的特征点提取问题,提出一种基于互信息和语义分割不确定性的特征点选择算法。算法依据特征点的语义信息和几何信息,保留提取于潜在静态物体的特征点。算法根据语义上下文信息对特征点的语义不确定性进行修正,并根据特征点的信息熵变化量对特征点进行筛选。最后,用公开的KITTI视觉里程计数据集评估上述算法,并与其他算法的实验结果对比。结果表明,该算法能够实现更准确的位姿估计,验证了算法的有效性和可行性。     

基于语义网的知识管理系统框架设计

针对现有知识管理系统缺乏语义支撑的问题,结合知识的社会化、外在化、组合化、内在化螺旋动态转化过程,把知识的处理过程转化为知识俘获、知识存储、知识处理、知识使用这样一个动态循环过程,设计了一个基于语义网的知识管理系统框架,最后概述了开发系统用到的关键技术。     

依存关系语义角色标注研究

描述了一个基于依存关系的语义角色标注系统,该系统把依存关系作为语义角色标注的基本单元。通过手工或自动标注出来的依存关系,构造出依存关系树,并从树上抽取特征。用最大熵模型对句中谓词的语义角色进行识别和分类。为了消除不必要的结构化信息,在预处理阶段,依存关系树经过了Xue的剪枝算法处理。通过特征工程,丰富的特征及其组合被应用于系统。最终使用 CoNLL 2008 shared task提供的数据作为训练、开发和测试集,使用手工标注的依存关系,F1值达到了86.25%;使用MSTParser自动产生的依存关系,F1值达到了81.66%。     

基于最大熵模型的汉语问句语义组块分析

问句分析是问答系统的关键,为降低问句完整语法分析的复杂度,该文应用浅层句法分析理论,采用问句语义组块方式来分析问句。以“知网”知识库为基础,提取和定义了表达汉语问句的6种语义块,定义了语义组块最大熵模型的特征表示,通过最大熵原理实现了语义组块特征抽取和特征选取学习算法,并以模型为基础实现了真实问句的语义块的标注,从而为在语义层面上理解汉语问句奠定了基础。实验结果说明最大熵模型应用于汉语问句语义组块分析具有较好的效果。