Ontology技术及应用

目的分析Ontology特点,探讨Ontology在自然语言理解中的应用。方法通过概念之间的关系来描述概念的语义。结果Ontology解决了自然语言理解中的消歧、推理问题和在语义Web中的应用。结论利用Ontology作为知识体进行自然语言理解,能够有效的把语言学知识和世界知识结合起来,运用世界知识对文本进行消歧和推理;Ontology与知识系统的知识库相融合,使得自然语言理解不仅仅是作为一种人机交互方式,而且能够与其它的基于知识的智能系统如专家系统整合。     

基于Ontology的自然语言智能检索技术研究

本文针对信息检索中的重要问题,即自然语言的智能检索技术进行了研究。应用Ontology的理论方法对文本分类进行概念控制,将信息检索从基于关键词提高到基于知识（概念）,从概念层认识和处理用户的检索请求,有效的提高了检索系统的检全率和检准率,在自然语言语义查询、多媒体信息检索中得到较好的实践效果。     

语义Web上的Ontology技术研究

分析了本体Ontology及语义web之间的关系。阐述了Ontology在语义web中的应用方向,通过实例研究了Ontology在信息检索中的具体应用;展望了语义Web上的Ontology技术未来的研究方向。     

基于Ontology的语义Web知识获取

如何在web上设计更好的检索技术？如何为Web上的资源附加计算机可以理解的内容？这是web应用的前沿课题，本文论述了Ontology及其在语义Web知识获取中的重要性，提出了基于Ontology的语义Web知识获取的模型，并对一种基于语义Web的信息检索模型进行了探讨，给出了实验结果证明了该方法的有效性和可行性。     

统计学习方法在语义消歧中的应用研究

语义歧义大量存在于自然语言中,其排歧成功率是衡量机器翻译、信息检索、文本分类等自然语言处理软件性能的重要指标.对语义消歧这一自然语言理解领域的难点技术问题进行了探讨,分析了统计学习方法在语义消歧中的应用,阐述了统计语义消歧的有关技术,并给出一个基于贝叶斯与机读词典的语义消歧实例,取得了较高的语义消歧成功率.     

基于MMTD的中文副词模糊语义的量化研究

自然语言理解是人工智能领域的核心课题,副词的模糊语义深刻影响着自然语言理解研究。针对副词在汉语语义中的作用,采用MMTD对其模糊语义进行了研究。根据英文副词频度数值研究的已有成果,建立了中文频度副词真值程度函数,在设定中文副词的程度数值后,建立了程度副词真值程度函数,提出副词连接概念及其量化方法。基于MMTD的中文副词的量化是语句语义数值化处理的前期准备,这些工作试图为自然语言理解建立一种新方法。     

基于Ontology与Jena的研究综述

Ontology是共享概念模型明确的形式化的规范说明.它是实现语义Web的关键技术之一.Ontology的目标是捕获相关领域的知识,提供对该领域知识的共同理解,确定该领域内共同认可的词汇,并从不同层次的形式化模式上给出这些词汇（术语）和词汇之间相互关系的明确定义.文章首先对Ontology在语义Web中地位、Ontology的定义、相关理论、构建方法以及构建工具等方面加以系统阐述,然后介绍了构造语义Web应用程序Java框架的工具Jena.最后对目前基于Ontology与Jena的应用现状进行综述性介绍.     

基于概念图的自然语言处理中的语义研究与应用

目的探讨自然语言处理中的语义研究的必要性和概念图的优势及特点。方法阐述基于概念图进行语义研究的步骤及关键技术。结果基于概念图进行语义研究能进一步提高自然语言理解的水平,改善现有语义分析技术对句子的理解程度,具有一定的理论和应用价值。结论概念图的研究与应用必将对语义研究起到积极的作用。     

一个增量式构造语义模型的方法

凭借构造性逻辑的Ｋｒｉｐｋｅ语义，给出了在自然语言语义理解过程中的增量式构造语义解释模型的方法。     

基于语义技术网络信息检索的研究

提出将Ontology融合到信息检索技术中,实现快速、准确的信息检索.实践证明,建立在语义web基础上的Ontology语义检索技术,比传统的检索提高了检索的准确率,缩小了搜索范围和减少冗余.通过仿真实验表明:基于本体库的语义信息检索效果良好.     

文法识别与数据库汉语查询语言的结构分析

由于自然语言的复杂性和随意性，自然语言理解在人工智能领域中遇到了一些问题，而作为数据库，自然语言界面从一定程度上简化了自然语言理解的难度．把这些查询句加以归类整理，形成相应的模式类，并提出了具体的理解算法，较好地解决了在自然语言用于数据库查询时的理解问题，达到了预想的结果．     

用最佳智能梯形分割法分割文本

智能信息处理是中文信息处理的重要内容；而自然语言处理和理解是智能信息处理的核心，在自然语言理解过程中要把自然语言信息进行分解，从中获取我们需要的有用信息，最佳梯形智能分割法就是一种对自然语言进行分解的有效方法。     

自然语言理解新思路─HNC

ＨＮＣ是 Ｈｉｅｒａｒｃｈｉａｌ Ｎｅｔｗｏｒｋ ｏｆ Ｃｏｎｃｅｐｔｓ概念层次网络）的简称，是关于自然语言理解处理的一个理论体系．这个理论体系的基本思路与传统计算语言理论有本质的不同．它展示了自然语言理解的突破性进展，其三大理论要点集中体现了ＨＮＣ理论在自然语言表述和处理模式上的突破，本文描述笔者对 ＨＮＣ理论这种“突破”的认识。     

自然语言理解新思路-HNC

ＨＮＣ是Ｈｉｅｒａｒｃｈｉａｌ Ｎｅｔｗｏｒｋ ｏｆ Ｃｏｎｅｃｐｔｓ（概念层次网络）的简称,是关于处然语言理解处理的一个理论体系,这个理论体系的基本思路与传统计算语言理论有本质的不同,它展示了自然语言理解的突破性进展,其三大理论要点集中体现了ＨＮＣ理论在自然语言表述和处理模式的突破,本文描述了笔者对ＨＮＣ理论这种“突破”的认识。     

扩展产生式规则知识表示方法

通过对现有知识表示方法进行分析，指出了产生式规则和概念图表示方法在自然语言理解中存在的问题，提出了扩展产生式规则知识表示方法，并对该规则的推理机制和具体实现进行了讨论．扩展产生式规则表示方法是将产生式规则的前提、结论和处理分别用概念图表示，是一种混合知识表示方法．它既保持了产生式规则的模块性，又揭示了自然语言中的深层次关系，与自然语言形成自然映射。通过分析表明，扩展产生式规则的总体性能要优于传统的产生式规则。并且特别适合于自然语言理解中的知识表示．该规则已应用于网络故障诊断专家系统的自然语言接口设计中．     

基于知识图的语义分析

探讨了一种适合于汉语理解的、面向语义的、新的语言分析方法。该方法是以知识图这种新的知识表示方法为语义模型，模拟人的语言感知过程，先对整个句子进行语义片段的划分，再对每个片段进行分析。     

数据库汉语查询语句中否定词的研究

在数据库自然语言查询界面的研究中,对查询语句中的查询条件的理解与识别是其关键部分,而其中的含否定词的查询条件的理解又是其难点之一,本文给出了对含否定词的查询条件的理解与识别的一种方法。     

辞格Zeugma理解的认知阐释——认知参照点理论的应用

Zeugma(轭式搭配法)作为一种自然语言现象一直是学者们研究的焦点之一。他们从多角度对Zeugma进行了细致的描述,取得了大量的成果,但对Zeugma的理解问题进行的研究则并不多见。本文试图从认知参照点角度,来对Zeugma的理解进行分析研究。     

自然语言的真实理解

提出了实现自然语言的真实理解的目标,分析探讨了它所面临的主要困难.提出了从面向人工意识系统,建立全局知识库以及建立通用自然语言的数学模型等3个方面着手的新思路.另外,还初步分析了这3个方面的主要技术问题,提出了相应的解决思路和框架.