受限领域问答系统的中文问句分析研究

对用户所提问句的理解是受限领域问答系统实现的关键,该文提出一种基于本体和问句句型模板规则的中文问句分析方法,研究如何使用问句语义表征来表示问句分析的结果,将该方法应用于某受限领域问答系统中。实验结果表明,使用该方法进行中文问句分析,准确率达90%以上,可以在实际的问答系统中使用该方法。     

基于词间依存的汉语基本块依存关系识别

基本块的分析是句法分析中的重要技术,根据依存理论,提出了一种分析基本块之间的依存关系的方法。首先使用BIO标记来识别基本块,然后根据词之间的依存关系判别基本块之间的依存关系。实验表明,基本块识别的正确率和召回率分别为82.3%和78%,基本块之间依存关系识别的正确率和召回率分别为89%和90.5%。     

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。     

基于逻辑推理的知识库检索

为了提高知识库检索的性能,实现了一个基于逻辑推理的知识库检索服务,并定制了该服务的接口.该服务首先将普通的查询语句转化成描述逻辑推理器能够识别的语句,然后利用描述逻辑的强大的推理功能实现语义网上的知识库的检索.实验表明,该系统能够快速有效地完成基于描述逻辑的知识库检索.     

基于组块分析技术的中文机构名称识别

针对中文机构名称自动识别提出了简化的一体化N最佳层叠模型,该模型实现了从汉语切分、词性标注、组块分析一直到机构名称的自动识别.N最佳层叠方法既能够在一定程度上抑制前一个阶段的错误在后面的传播,又大大地缩小了搜索空间.在实验过程中依次加入启发信息和机构名称缩写处理,使得实验结果有显著提高.在IEER99测试集上,中文机构名称识别的最终准确率和召回率分别为92.31%和81.01%.     

自然语言理解与智能检索

智能信息处理是中文信息处理中的重要课题,尤以智能检索和信息获取为重要.而自然语言处理和理解技术是智能信息处理的核心.本文讨论了自然语言理解应用于智能检索和信息获取的若干问题,阐述了标注!完善基于词典的知识库的处理手段.     

基于GridSim的网格调度模拟

详细分析了GridSim工具,并与当前几个主要的网格模拟工具进行了对比,然后探讨了GridSim工具的改进,扩展了计算资源的功能,增加了数据存储资源模型。最后提出了基于GridSim工具的分模块的调度模拟开发方法,按照这种方法建立了Min—min调度算法模拟平台,展示了GridSim工具的功能。     

基于资源信息细分的学习评价系统的设计与实现

在网络化学习系统中,如何准确地发现学习者的缺陷是学习评价系统的主要任务,也是一个非常困难的问题。该系统通过对学习资源标注知识点、能力点、方法点、错误现象和错误归因等信息,将学习资源所包含的信息进一步细分和深化,再以测试结果为基础进行评价,能够更准确地发现学习者的缺陷。     

基于隐马尔可夫模型的中文科研论文信息抽取

随着大量的科研论文出现在互联网上,从中精确地抽取论文头部信息和引文信息显得十分重要。该文提出了一种基于隐马尔可夫模型的中文科研论文头部信息和引文信息抽取算法,分析了模型结构的学习和参数估计方法。在进行信息抽取时,利用分隔符、特定标识符等格式信息对文本进行分块,利用隐马尔可夫模型进行指定域的抽取。实验结果表明,该算法具有良好的准确率和召回率。     

本体论在自动问答系统中的应用

研究了本体论在面向领域自动问答系统中的应用。探讨领域本体的描述方法,归纳了领域本体空间上的推理公式,加强了领域本体的推理能力。提出了基于本体来组织问句的方法,并探讨在基础上分析问句的方法,并利用本体向量来来联系问句实例和领域知识,达到问题和答案的连接,为领域自动问答系统服务,实验证明,本体能有效地用于自动问答系统。