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.     

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．     

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。     

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。     

藏语语义框架的理解与描述

用框架表示知识是人工智能乃至语言工程中一项最为重要的基础工程和基础资源之一.文章结合实例分析了藏语词语语义框架,并通过对词语认知过程的理解来组织框架,进而对框架进行结构信息的描述.     

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。     

面向知识库的中文自然语言问句的语义理解

设计从自然语言问句到结构化查询的转换框架。该方法从自然语言问句的句法结构入手, 提出一套启发式识别实体与关系的方法, 并利用语料库建立从实体到知识库的映射, 对谓词进行消歧, 进而转化为计算机可理解的结构化查询语言。从百度知道抽取人物、地点、组织3类共 42 个问题作为标准测试集。实验结果表明, 所提出的框架能够有效地将中文自然语言问句转换为结构化查询, 为下一代智能问答系统打下良好的基础。     

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.     

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。     

基于组块分析的路径自然语言语义角色标注方法

为了进行路径自然语言研究,首先设计了路径自然语言收集方案,主要面向室内环境收集了一定的路径自然语言语料,通过手工标注建立了一个小型的语料库.其次,对路径自然语言的特征进行了一定的分析,在此基础上概括了几种常见的语义角色,主要包括关于landmark和方位转换的语义角色.路径自然语言本身具有高度规律性,语义角色相对集中,因此语义分析采用了基于组块分析的语义角色标注方法,将语义分析问题转化为序列信号的切分和分类问题.最后,利用支持向量机进行了相关的组块标注实验.实验结果表明提出的方法具有较大的潜力.     

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。     

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．     

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。     

交通事件的语义理解

为了较好地对视频中交通事件进行语义理解,减少底层特征与高层事件间的语义鸿沟,提出一种具有通用性的交通事件识别框架。首先,把事件分为单车行为、人车交互行为与车车交互行为;然后,根据语义层次,按基本语义单元、基础语义事件和高级语义事件的顺序对交通事件进行识别,并根据逻辑化的自然约束语言（NCL）的规则,给出了交通事件的语义表达形式,通过对高级语义事件建立隐马尔可夫模型（HMM）得到事件的高级语义,在一定程度上跨越了语义鸿沟;最后,通过实验验证了提出的方法。     

终端用户编程的自然语言语义解析方法研究

针对现有用户编程语义解析方法在小注释数据集条件下无法有效地解决复杂模型的问题,提出了一种面对终端用户编程的自然语言语义解析方法.该方法将自然语言命令映射到小批注释数据下训练的大型异构框架集合中,语义解析方法由语义角色标记、旋转、动作候选实例生成和相关性排名组成,使用语义角色标记、分布语义几何特征和语义旋转的组合,解决开放词汇设置中的语义匹配问题.实验结果表明,该文方法能够有效实现自然语言的词汇解析,且性能优于现有方法.     

基于自然语言理解的Web敏感信息监控

本文探讨基于自然语言理解对Web信息进行数据挖掘的方法。对敏感信息监控的有效方法应将传统的Web数据挖掘的方法和自然语言理解方法相结合,寻求一种对Web页面进行更高精度的信息分析和数据挖掘,在此基础上实现对敏感信息监控的目的。     

语境与语义理解

随着语言学研究的不断深入和发展,许多学者已认识到语境对于语义研究的重要性。语境为话语理解提供了理论依据,它解释了语言以外的各种社会因素对语言表达方式选择的影响。本文对语境理论发展的历史作一下简要回顾,并简单介绍了语境对于语义理解的重要作用。     

面向自然语言提问的检索技术

讨论了面向自然语言提问的检索技术,分析了提问句概念语义块的抽取、概念块的权重分析、概念的组配等关键技术.     

一种自然语言理解语法分析器的算法实现

自然语言的理解是人工智能研究的重要分支,主要是研究其语法知识、语义知识和语音知识三方面,尤其是对语法知识中的文法规则的研究已相当成熟.介绍了语法分析的各种主要方法,分析了语言组成结构的各种词汇关系,利用DELPHI语言编写了一种自顶向下的语法分析器程序,并通过具体的事例验证了该算法的正确性.