开放语义网络

开放语义网络是对格语义网络和概念语义网络扩充，它是针对现实世界的开放属于 而提出的一种语义网络模型，本文对其实现机制进行了探讨，通过赋予网络中节点以主动协商能力，让其适应语境，同时指出自然语言知识表示系统中，应将一个语言成分看作是向外辐射的，而不仅仅是内凝的。     

基于语义网络的旋转机械故障诊断知识表示

针对旋转机械故障诊断专家系统中的知识表示问题,讨论了语义网络的知识表示方法。并以此为基础进一步探讨旋转机械典型故障诊断的知识表示模型－－语义网络知识表示模型,文中还讨论了它的计算机语言实现方式,在VC＋＋环境下开发出了一个语义网络知识表示的演示模型。结果说明该知识表示方式是有效的。     

RDF在语义Web知识表示中的作用

基于Web具有的一些特征和应用于语义Web的知识表示语言RDF,分析了RDF提供的语法基础即如何用XML来实现语法,以及RDF如何无二义性地描述资源对象的问题,使得描述的资源的元数据信息成为机器可以理解的信息。在此基础上,提出了一种新的适合Web发展需要的知识表示方法,为智能应用领域提供基础;并阐述了以RDF为基础的知识表示语言可较好地实现语义Web的知识表示。最后通过基于OWL知识表示实例的语义检索应用给予了说明。     

基于学术知识图谱的增强语义表示与检索

知识图谱作为一个巨大的知识网络图,其中包含着实体概念、关系等信息.基于深度学习的语义表示虽然泛化性强,但对于一些专有知识的敏感度不高,所以许多研究尝试将知识图谱与神经网络结合.目前大部分知识图谱语义表示的方法是围绕通用领域知识图谱展开的,没有针对学术领域的知识图谱语义表示方法的研究.本文以学术文献的全文本数据为研究对象,从基于学术知识图谱的语义表示方法切入研究,在构建学术知识图谱的基础上,对通用领域的研究方法（K-BERT）进行领域化改进（KEBERT）,进一步使用实体知识增强文本的语义信息.通过开展下游任务的对比实验,在学术检索数据集上验证KEBERT、K-BERT和ERNIE的性能.实验采用检索任务中常用的NDCG评价指标对结果进行评价,实验结果表明改进后的KEBERT在检索任务上的效果优于其他模型.     

面向语义Web的知识表示框架

语义互联网（Semantic Web)主要在于提供计算机软件可处理的元数据（Metadata)描述和信息表达方式，介绍了RDF（S）技术为基础的在Web上表达知识信息的方法，讨论了运用RDF（S）技术建立知识表示本体（Ontology)，以及通过扩展基本的RDF（S）描述集合方法来增强表示特定领域知识的能力，提出了运用基于RDFS技术的基本RDF（S）元训集合，通用描述元语集合，公理描述元语集合和关系约束元语集合进行知识表示的技术框架，使用这4层元语集合，可以将一般领域的知识信息以RDF（S）的方式存储在Web平台上，并通过相应支持XML的程序进行处理。     

用语义网络语言描述知识的表示

文章首先介绍语义网络的基本概念,用实例描述如何用语义网络语言(SenetL)表示知识,同时介绍如何用扩张的语义网络表示语义,着重介绍实例(instance-of)、聚集(part-whole)、泛化(is—a)和联合(member-of)几种典型语义关系的语义网络表示的方法。     

语义网络的知识获取及转换的研究

本文对知识表示的工具之一语义网络估了简单的介绍,并且给出形式化的定义。     

基于图分析的领域知识获取技术

知识获取技术制约着知识系统的研究和应用,有效地从文本中提取领域知识成为知识获取的重要途径.本文提出了基于本体和图分析的领域知识获取技术,分析了本体数据结构、本体概念的实例化以及基于图分析的语义场构造方法.建立了具有广泛适用性的文本知识获取系统框架,实现了原型系统.通过针对中医医案的中医领域知识获取实验验证,取得了较好的效果.     

形式化表示UML顺序图的结构操作语义

采用三元组形式化定义了UML顺序图及其对应的结构操作语义规则,并采用该方法描述了身份验证过程对应的操作顺序.这为基于UML顺序图的测试用例的自动生成奠定了基础,也为UML顺序图的模型转换和模型验证提供了必要的前提条件.     

基于词联接的语义表示方法和知识库建设

现有自然语言处理方法主要采取描述语言规律的基本思路,缺乏全面的语义表示能力,因此不能从语义层面有效处理各种类型的真实文本.笔者提出一种基于词联接实例的语义表示方法.该方法采取描述底层语言实例的基本思路,具有全面的语义表示能力,目前已应用于国家自然科学基金资助的"计算机辅助文学艺术创作研究--诗词曲联"项目.     

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。     

融合C4.5与SVM算法的汉语句义类型识别方法

选择50个词法和句法特征,进行了大量特征筛选实验,并基于筛选后的特征组合提出了一种融合C4.5和SVM的句义类型识别方法.该方法充分利用C4.5对多重句义的高精度识别和SVM对简单句义、复杂句义的高精度识别的特点,将C4.5与SVM分别识别的结果进行融合处理.给出最终的句义类型识别结果.识别结果表明,在BFS-CTC汉语标注语料库中,选取了4 500个句子,经十折交叉验证,句义类型的识别准确率达到92.1%.     

基于知网的语义相关度计算

为解决句法分析中的结构性歧义,引入了语义相关度计算.基于语义相似度计算及知网的语义信息,提出了语义相关度计算方法;利用知网的义原纵向与横向关系及实例信息计算不同词性的相关度.在计算义原距离时,考虑了义原之间的解释关系,对义原的距离进行修正.根据相似度的对称性,计算实例的影响因素提高了相关度的准确率.实验结果表明,使用该计算方法得出的语义相关度结果更加合理.     

基于自然语言处理的材料领域知识图谱构建方法

如何将材料领域知识与机器学习技术相结合是材料智能研究迫切需要解决的问题. 知识图谱(knowledge graphs, KGs)作为一种高效的知识组织模型, 可以有效地对材料领域知识进行表示、组织和推理, 从而提升材料机器学习算法的智能水平. 研究了基于自然语言处理技术的材料领域知识自动获取方法, 提出了基于双向门控循环单元-图神经网络-条件随机场(bidirectional-gated recurrent unit-graph neural network-conditional random field, Bi-GRU-GNN-CRF) 的材料实体关系联合抽取方法, 以及基于改进 TextRank 算法的材料工艺知识抽取方法, 实现了从专利、论文等材料文献中自动获取材料实体、关系、工艺流程等材料领域知识. 实验结果表明, 所提出的材料知识获取方法具有较好的精度和召回率, 能够有效提升材料知识图谱的知识覆盖度. 基于该方法构建的材料领域知识图谱的知识覆盖率达到了80%, 能够为材料智能研发提供更加全面的知识支撑. 同时, 构建了非调制特殊钢、铝基复合材料、热障陶瓷涂层材料 3 个材料领域知识图谱, 并进行了应用探索, 进一步验证了知识图谱为材料研发提供知识支撑的可能性.     

融合句义特征的多文档自动摘要算法研究

多文档自动摘要研究是自然语言处理领域的关键问题之一,为使抽取的摘要更能体现多文档主题,本文在子主题划分的基础上,提出了一种融合句义特征的句子优化选择方法.该方法基于句义结构模型,提取句义结构中的话题、谓词等特征,并融合统计特征构造特征向量计算句子权重,最后采用综合加权选取法和最大边缘相关相结合的方法抽取摘要.选取不同主题的文本集进行实验和评价,在摘要压缩比为15%情况下,系统摘要平均准确率达到66.7%,平均召回率达到65.5%.实验结果表明句义特征的引入可以有效提升多文档摘要的效果.      

基于依存关系的句法分析统计模型

利用语义、语法等语言知识,建立一种基于依存关系的句法分析统计模型,并利用改进的句法分析模型进行句法分析实验.研究结果表明:利用依存关系、互信息对词聚类,能解决模型数据稀疏问题;模型可同时考虑几种语义依存关系;该模型是一个词汇化的句法分析模型,能结合分词、词性标注进行句法分析;概率上下文无关语法中由概率的上下文无关性假设和祖先结点无关性假设引起的问题在该模型中得到有效解决;精确率和召回率分别为86.96%和85.25%,其综合指标F与Collins的头驱动句法分析模型的F相比提高4.75%.     

基于语义的汉语文献主题词提取算法研究

为了适应信息时代的迅速发展,提高从汉语文献中自动提取主题词的准确率,给出一种基于语义理解的汉语文献主题词自动提取算法模型.该模型以中文文本为处理对象,结合领域背景,构建概念语义网络作为分词词典和知识库,用概念之间的联系和匹配取代传统的字面匹配,克服了仅局限于表面形式的缺陷;把自然语言处理从目前基于关键词层面提高到基于知识的层面,从而在概念层次上理解文献主题,突破了传统的关键词匹配的局限,在一定程度上解决了词汇差异问题.该方法能对自然语言进行某种程度的语义理解,利用领域知识来实现主题词的规范标引.实验表明,采用本方法对测试文档进行主题词提取的准确率可达到71.03%,与传统方法相比提高了近1.87倍.     

句法增强的UCCA语义分析方法

考虑到句法结构与语义结构之间的紧密联系, 尝试将句法信息融入UCCA语义分析模型中来增强语义分析的性能。基于目前性能最好的基于图的 UCCA语义分析模型, 提出并比较4种不同的融入依存句法信息的方法。采用SemEval-2019国际评测语义分析任务的英文数据集进行实验, 在本领域和跨领域两个数据集上的结果均表明, 句法增强的方法能够给显著地提高UCCA分析性能。引入BERT特征后, 句法信息仍然可以提供一定的帮助。     

Two Language Models Using Chinese Semantic Parsing

Introduction Although the word trigram dominates the statistical language modeling community, it still has some short- comings. For example, the word trigram cannot make use of the rich linguistic structure of the language, nor can it capture long-distanc…