网格工作流的语义模型及其查询机制

目前对网格工作流模型的描述侧重于形式化的定义出任务之间的相互关系以及各个任务的属性的语法描述，为了便于知识获取和重用，提供一个网格工作流知识的形式化语义描述框架显得尤为重要．针对网格工作流的描述方法提出了一个新的视角：运用知识表达技术提供一个网格工作流的语义模型和查询机制，并将面向对象的继承思想引入到网格工作流表达的语义框架中，该框架是可扩充、可配置的，用户可以对新的类别定义新的语义框架，并可基于该继承结构的语义框架，进行有层次的工作流的查询．     

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。     

面向知识级应用的多维语义本体构建

本体作为知识的承载者被信息科学领域引入,用来解决知识表示和知识组织方面的问题。基于语义本体理论,提出了多维语义本体模型,从不同维度对世界知识进行建模。基于知识的抽象层次,在多语言、多领域知识之间建立了语义关联,在此基础上构建了多维语义本体,用于解决信息共享时语义缺乏和多语言知识关联的关键问题。对多维语义本体进行了分析和横向比较,并对将来构建过程中面临的主要问题和挑战进行了探讨。     

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。     

基于语义的自动文摘研究综述

基于语义的自动文摘方法能解决自动文摘处理中语言复杂性问题,在克服领域局限性的同时从本质上提高文摘的质量.常用语义模型包括统计主题模型和语义知识模型.基于语义的自动文摘是对传统文摘技术基于语义模型的扩充,在自动文摘的预处理、文档转换、文档候选片段提取和文摘生成4个基本过程中使用各种语义分析方法.     

基于本体的个人知识管理模型设计

针对目前个人知识管理中存在的知识来源多样、存储分散、片段知识不便及时存储、基于关键词匹配而非语义检索等问题,采用本体方法建立了具有用户层、表示层、本体层和存储层4层结构的个人知识管理系统.用户请求经表示层转化为对本体的具体操作请求后发给本体层;本体层包含了本体定义、本体查询、本体更新的三大类接口访问存储层;存储层负责知识的存储.通过本体技术,能实现基于语义的个人知识管理.     

基于规则方法的汉语到语义网络语言的转换研究

语义网络语言是一种具有较强表示能力的知识表示方式．语义网络语言的使用有助于运用语言结构进行推理,回答查询．从依存关系树库中提取出依存三元组到语义网络语言的转换规则,并使用XML标记语言实现了对大规则集的管理,包括规则的添加、删除、修改．从而实现了汉语到语义网络语言的转换,为构建以语义网络语言为知识表示形式的知识库提供了支持．     

基于语言变量的模糊本体模型

为了更有效地表达语义Web中的模糊知识,将模糊概念与关系引入到传统的模型中,提出新的模糊本体:模糊领域本体与模糊顶层本体.模糊顶层本体从语言变量的形式化表示入手,考虑模糊概念间的语义关系:集合关系、序关系与等价关系.用模糊本体对智能交通领域的知识进行建模,通过模糊语言值描述交通概念的属性信息,有效克服现有模型的一些局限.结果表明,该研究有利于语义Web环境下模糊系统的知识共享与重用.     

语义数据库管理系统中综合知识的探讨

为了使语义数据库管理系统具有推理能力，本文以语义数据模型为基础探讨了将数据和知识相结合的知识表示方法，并对语义数据库管理系统的元知识于字典的实现机制作了探讨．     

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.     

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。     

汉语句义结构模型及其验证

为解决计算机理解和表达汉语句义的问题,以现代汉语语义学理论为基础,探索和创建了一种计算机可计算、可扩展的汉语句义结构模型,该模型从句义层次上描述构成句子的词、子句、分句在句义中承担的句义任务,句子描述对象的时空特征、谓词的时态以及不同句义成分之间的组合关系等,形成了一种抽象句义的结构化表达形式;同时,提出了一种基于反向提问的句义结构模型验证方法,用疑问词替换语义格迭代构成问句,再对问句进行评价.实验结果表明,对简单句义、复杂句义和多重句义的反向提问正确率达到92.07%,充分说明句义结构模型的合理性.      

基于问题模式匹配的智能答疑系统原型

智能答疑系统是将学生的问题和老师的解答有机地组织起来并存放至相应的答题库中，通过自然语言的语义理解技术来分析并自动的匹配学生所提出的问题，自动地给予问题解答的系统. 智能答疑系统能够给予提问者即时的回应，减轻教学人员的工作压力，在远程教学中具有重要意义.红棉智能答疑系统（原型系统）针对国内现有的智能答疑系统普遍存在的问题，借鉴了国外先进智能答疑系统的成功经验与设计理念，根据中文智能答疑的特殊需求，引入了基于概率的双向最大匹配分词算法、智能问题模式匹配、基于语义依存树的语义分析等技术进行智能问题分析，形成了具有更高答案召回率、合理性与正确性的新一代智能答疑系统.     

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。     

本体中概念间语义相似度和相关度混合计算方法

语义相似度计算广泛应用于自然语言处理中,但现有语义相似度计算方法没有充分挖掘本体结构中概念间的关系.笔者针对当前概念相似度计算的片面性和不完善性等不足,提出一种计算概念间语义相似度和相关度的混合方法.从有向边包含的特征属性对语义距离进行扩展,结合概念深度,将语义距离转换成语义相似度,通过引入概念间相关度计算,使最终概念语义相似度计算更加精确.并将该方法与人的主观判断结果进行比较,验证了该方法的可行性和有效性.     

自然语言理解策略——中文语义分析及LSF随机化句法分析模型与应用

应用自然语言理解的相关技术、知识信息的语义网络表示方法等,针对中文语义进行了剖析．论述了LSF随机化句法分析模型,其分析结果对于机器人的自动应答系统具有实际应用价值．此项研究结果可应用于机器人辅助教学之中．     

基于WordNet的藏文语义词典半自动构建方法研究

语义词典是人工智能、语义网与知识工程等研究领域的热点,它可以支持机器学习、自然语义理解、数据挖掘及机器翻译等技术。文章在藏语独特的文法理论研究基础上,利用对比英文和藏文词之间的语义关系、构建双语大型数据库和制定映射过程中词汇空缺等方法,构建了基于半自动匹配的藏文语义词典。本语义词典既兼容了国际通用的英文WordNet,又保留了藏语的特点,为藏文信息处理提供了重要的数据资源。     

低维显式语义空间下的语义关联度计算方法

语义关联度计算是数据科学中的一个关键性基础问题,在信息检索及自然语言处理等方面有着广泛的应用.针对ESA (Explicit Semantic Analysis)算法存在的局限性,提出一种显式语义特征选择算法,并构建低维语义空间.在此基础上,根据特征概念在Wikipedia中的映射信息,提出一种低维显式语义空间下的语义关联度计算方法.该方法解决了ESA算法在后续语义关联度计算过程中,因高维稀疏空间导致计算效果不够准确的问题.实验结果表明,与当前其他方法相比,该方法的计算结果在皮尔逊相关系数(P)及斯皮尔曼相关系数(S)上与人们的认知判断之间具有更好的一致性.     

基于伪自然语言理解的知识获取系统

基于伪自然语言理解,提出并实现一种高效率的知识获取方法,首先。知识工程师利用在结构上类似自然语言的非常简单的ＢＬ语言,改写书本非常复杂的自然描述,然后,利用高效和成熟的编译系统处理ＢＬ程序,以实现书本知识获取。最后,领域专家在书本知识库的基本语义框架引导下,利用知识求精系统对书本知识库加以少许求精。