对机器自然语言理解本质的认识

由思维与语言的关系角度出发，从自然语言理解的思维过程、自然语言本身和逻辑作用三个方面，探讨了人与机器自然语言理解之异同，分析了人和机器自然语言理解的特点、机器自然语言理解的定性准则，尝试性地说明了机器自然语言理解的本质。     

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．     

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的一些问题，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事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。     

Comprehension of Natural Languages

浅析了自然语言理解的语言信息处理技术，介绍了它的发展史，指出了基于语料库的自然语言理解方法是一个重要的研究方向     

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。     

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。     

自然语言理解研究的若干基本问题的讨论

从自然语言理解的思维过程、自然语言本身和逻辑作用三个方面,对机器自然语言理解的基本问题进行了讨论。     

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。     

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．     

正确引导汉语理解与汉语研究──事关人工智能开发的一个重要前提

人工智能（利用计算机模拟人类智力活动的学科）的研究已成为当前最热门的研究学科之一，而自然语言理解（NaturolLanguogeUnderstanding，简称NLU）是人工智能的一个分支。自然语言理解有时也称计算语言学（ComputationalLinguistics），前者侧重于应用，后者侧重于理论，其内涵是一致的。汉语理解属于计算语言学范畴，是自然语言理解的一部分。汉语研究，在某种意义上说，是汉语理解的基础，因为汉语理解必须应用汉语研究的成果。1974年经周总理亲自批准的"748"工程，标志着我国中文信息处理技术首开先河。由于方块汉字的特殊性，在汉…     

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。     

Ontology技术在自然语言理解中的应用

自然语言的理解是解决人机交互问题的一个重要课题。本文则将Ontology技术应用于自然语言的理解。通过建立基于Ontology技术的语义分析模型来提高语义理解的成功率。     

基于自然语言理解的书本知识获取系统TKAS

利理自然语言理解技术，研究了由书本获取知识的方法，并研制了－个面向领域 的书本知识获取的实验系统ＴＫＡＳ（Ｔｅｘｔ Ｋｎｏｗｌｅｄｇｅ Ａｃｑｕｉｓｉｔｉｏｎ Ｓｙｓｔｅｍ）． ＴＫＡＳ在给定领域中，通过基于自然语言理解来达到有效的正文知识的获取，并用命 题语义网络作为其内部知识表示形式。该系统可作为智能系统开发过程中知识获取的 辅助工具。     

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。     

基于自然语言理解的机械产品需求分析及用例转换研究

本文论述了基于自然语言理解的机械产品需求分析基本模型和用例转换解决方案。在自然语言理解的基础上,通过对ICTCLAS分词系统的优化,利用计算机技术将需求分解为用例元,并对用例元进行分析,以获得产品需求信息和准则。     

科技新路——认知科学和人工智能(续)

自然语言理解自然语言已成为认知科学的中心课题之一(自然语言这个词我们是指在日常生活中学习和使用的语言,以便同数学和计算机用的形式语言相区别)。一个理由是语言在人的思维和通讯中起着重要作用。另一个理由是要求机器理解和产生语言,以便人与计算机之间进行有效的通讯。学习自然语言与构造一个懂得没有限制的自然语言的计算机程序形成鲜明对比的是,儿童学习语言很快,而且显然很容易。学龄前儿童胜过任何人工智能程序,六岁的小孩积累词汇的平均速率是每月500     

利用深度去噪自编码器深度学习的指令意图理解方法

提出了一种利用深度去噪自编码器(SDAE)的自然语言指令意图理解方法.根据家庭服务机器人的使用环境和应用场景构建了一个自然语言文本指令语料库,并对语料库中各类指令进行意图标注,从而把文本指令理解问题转化为文本分类问题;在传统的文本向量空间模型的基础上,融合了文本指令的词性信息,定义了一种文本表示模型——词性向量空间模型;将SDAE应用于文本指令意图理解,提取指令的高阶特征;用高斯核支持向量机进行训练和预测,进而实现了自然语言指令的意图理解.在所建语料库上进行多折交叉验证,结果表明指令意图理解平均准确率达到96%以上.     

MMT模型用于语篇语义理解的语段划分

文章首先分析了自然语言理解中篇章语义理解的重要性，在此基础上提出了一种用于语篇语义理解的语段划分方法．该方法是在已分词的篇章语句中，引用冯志伟的汉语句子的多叉多标记树模型，在单句语义理解基础上，将语篇划分为各个语段，找出各语段间的层次关系，为语段内句子间意义分析做准备，最终达到篇章语义理解的目标．