面向自然语言理解的图像情感语义检索

随着多媒体技术的迅速发展,图像资源的管理和检索日益成为研究热点,目前的图像检索技术因忽略了情感因素而显得力不从心.通过对自然语言分词,应用OCC情感模型,实现了使用自然语言对图像库进行情感语义检索.以百度图片频道下载的800张自然风景图像数据建立图像库并进行测试,实验结果表明取得了良好的检索效果,可为更多类型的图像情感语义检索打好基础,具有一定的实用价值.     

基于本体的自然语言检索研究

本文分析了自然语言检索的优缺点，介绍了自然语言检索与本体结合的优势，对本体的构建规则进行了介绍，最后提出了构建本体的方法。     

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。     

自然语言理解的一些技术初步研究

自然语言理解涉及的技术很多.现讨论其中的三部分:第一部分讨论自动分词,阐述了自动分词需要解决的问题;第二部分设计了一个快速的直接映射式检索算法;第三部分初步探讨了汉语文摘生成处理的一个方法.     

面向自然语言生成的词汇选择研究

词汇选择是自然语言生成研究的关键问题,主要研究如何将意思表示映射为恰当词语。目前许多自然语言处理系统仍没有采取恰当的选词策略,选词效果非常不理想。本文从词汇选择研究的理论和方法两个方面,对当前词汇选择研究现状进行梳理,重点分析了当前研究存在的重点和难点,介绍了现有研究在词义表示、词汇选择建模等方面的方法;并介绍了今后词汇选择研究可能的发展趋势。     

自然语言理解研究

自然语言是语言文字信息处理的一项高层次技术,是人工智能的重要内容和组成部分.本文首先阐述了什么是自然语言、自然语言的理解以及自然语言研究的目的、步骤,接着阐述了实用自然语言理解技术,最后对自然语言理解进行了展望.     

自然语言理解研究

自然语言是语言文字信息处理的一项高层次技术 ,是人工智能的重要内容和组成部分。本文首先阐述了什么是自然语言、自然语言的理解以及自然语言研究的目的、步骤 ,接着阐述了实用自然语言理解技术 ,最后对自然语言理解进行了展望。     

法律术语数据库在自然语言检索中的应用研究

介绍了术语和术语数据库,分析了术语数据库在自然语言检索中的应用机制,探讨了基于法律术语数据库的自动标引。     

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。     

基于概念扩展的关键词检索技术

提出了基于概念扩展的关键词检索技术，讨论了概念检索的基本思想，在分析概念间的逻辑关系及其结构的基础，给出了一种高效的概念库数据结构，描述并分析了概念库的各种检索和操纵算法。     

以自然语言为界面实现VC＋＋程序的自动生成

本文提出以自然语言为界面实现程序自动生成的研究成果。该研究系统使用面向对象的方法与技术,以自然语言为输入界面,使用扩充的格语法进行语法语义分析,将用户描述的VC 期望程序功能的汉语篇章依次进行自动切词处理、语法处理、语义分析理解、目标程序的自动生成,最终形成满足用户要求且符合Visual C 语法的结果程序。     

网络检索技术

介绍网络检索语言的发展趋势,分析目前主要的网络检索工具搜索引擎的种类、原理,从现有的检索方法出发,提出了网络检索工具的发展方向．其中包括检索系统的综合化与专业化发展、建立适应交叉学科的自动检索系统、搜索引擎的智能化、跨语言的检索系统、多媒体检索技术以及网络挖掘技术在网络检索中的应用．     

自然语言初探——CC语言功能、结构的扩充和实现

本文运用“自展式”理论和全屏蔽手段,对一般科学计算的自然语言进行探索与实现,从而进一步扩充了CC语言功能。对其结构形式也作了某些调整。     

基于自然语言理解的文本标图系统设计与实现

提出和实现了一套基于自然语言理解的军用文书到标绘图智能转换的解决方案。文本标图系统通过标绘信息提取模块和军标标绘模块,针对军事文本标图的需求和汉语的特点,由计算机在自然语言理解的基础上对作战文书文本进行分析、理解、提取标绘信息、自动标图作业,最后生成战场态势图。该系统完成了军事标图作业和文书处理的手工作业向机器作业的转换,提高了指挥作业的速度和效率。     

分类算法在范例推理中的研究与应用

将范例推理中的范例初步匹配看作文本分类的特殊情形,提出基于类别中心向量的分类算法。通过确定待处理案例的归属类别,缩小范例检索范围,减少在范例精确匹配阶段的计算量,提高案例初步匹配的准确性。在此基础上,将上述算法应用在对交通事故案例的处理与交通信息预警系统中。实验与使用表明,该算法能较为准确地判断事故类型并给出相应的预警信息。     

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。     

基于特征融合的图像检索方法

针对传统特征融合方法中权值的不易确定性,提出一种动态确定特征向量权值的算法。首先根据特征向量对应维之间的距离确定权值大小并形成权值矩阵,然后计算加权特征向量之间的距离,作为两幅图像的相似度。最后通过相似度排序完成图像检索。实验数据表明,该算法在存在干扰数据集上都有良好的检索效果,由于不需要大量实验确定权值的大小,在效率上得到了大大提高,与传统的算法相比,具有更高的检索效率。