口语对话系统EasyNav中的省略分析

为解决口语对话系统 Easy Nav中大量出现的语境省略现象 ,提出了用于刻画关注状态的主题结构 ,其动态生成的特点适合于在用户主导的场景下 ,对主题的变化进行建模。通过分析省略现象与指代现象的不同与联系 ,将指代分析的指导理论与处理流程延伸到省略分析中 ,从原先以句法结构信息为主进行省略分析 ,扩展到以语义知识和会话因素为主。提出的进行省略分析的主题结构方法 ,不仅使处理各种省略成分的方法统一 ,而且将片断型省略、缺省型省略也统一在同一个处理框架中     

模型集省略初探

本文对一阶理论的势范畴性作了一点推广和补充说明，讨论了模型集被省略的几种情形．     

突发公共事件基于本体的元事件模型研究

突发公共事件时有发生,如何应用历史突发公共事件,快速获取应对当前突发事件的解决思路,以应对突发的公共事件,是急需解决的关键问题.通过对突发公共事件实体层级体系的研究,将其公共属性进行描述和抽取,采用OWL语言对突发公共事件的本体进行了描述,并给出了突发公共事件的元事件的定义,讨论了元事件之间的相互关系.结合CBR的相关理念,提出了基于元事件的突发公共事件的推理机制,使得决策者依据元事件库可以快速地获得应急处置方案;最后实例验证和说明该模型具有良好的应用效果.     

从图式理论谈续语省略的语篇理解

续语省略是常见的语言现象,如何有效地理解续语省略现象是篇章语言学研究的难点之一。在分析了续语省略的几种形式后,以图式理论为理论基础,重点研究了一种不同于传统意义上的续语省略的语篇理解过程,这种省略的典型语篇特征是:语篇的衔接纽带断裂,省略或预设的内容在语篇中无法找到。说明了情景知识图式和文化背景图式对续语省略中的衔接和理解具有重要的意义和作用。     

( )(Q)格值模型的省略型定理

将带广义量词Q的一阶逻辑的二值弱模型推广到取值于完备弱可补格上,对有限的线性序弱可补格证明了省略型定理.     

(Q)格值模型的省略型定理

将带广义量词Ｑ的一阶逻辑的二值弱模型推广到取值于完备弱可补格上，对有限的线性序弱可补格证明了省略型定理。     

L(Q)格值模型的省略型定理

将带广义量词Q的一阶逻辑的二值弱模型推广到取值于完备弱可补格上,对有限的线性序弱可补格证明了省略型定理。     

Lω1ω语言格值模型论的省略型定理及其应用

利用用谐性质的方法给出Ｌω１ω片断Ｌｆ上的省略型定理，作为应用，对Ｌｆ中的完备理论Ｔ，讨论了原子模型的存在性，Ｔ有素模型的充要条件以及模型ｕ的素模型的充要条件，并给出了原子模型与素模型之间的关系。     

基于条件事件代数的常概率事件模型及应用

基于乘积空间条件事件代数,介绍了一种具有严格数学表示的常概率事件的方法，将其应用于数据融合系统中的专家权重事件描述，数值融合的结果与代数融合的结果相一致。在乘积空间条件事件代数中，提出了一个新的度量专家观点的布尔相似性测度，该测度可以有效地评定专家信息的相似性，并给出了一个具体的实例。     

一种基于位置理论的网络管理事件模型

提出了基于位置理论的网络管理事件模型,通过引入事件的位置运算来描述事件的拓扑关系,从而将事件模型与管理信息模型关联。模型首先对基本概念进行定义,有关事件的操作分为预处理操作、基本操作和位置操作3个部分：预处理操作用于过滤冗余信息;基本操作用于实时发现组合事件;位置操作利用管理信息模型来关联事件。利用该模型可以处理事件延迟而导致的组合事件失序的情况。     

汉韩语主语省略的类型学分析

文章简要描写了汉语和韩语对话结构和叙述结构中句子主语的省略现象,发现虽然汉语比英语更少使用主语,但却比韩语更多使用主语,尤其是在对话结构中。叙述结构中汉语相邻句中的动词谓语如果不具并列承接性或不具同类性,主语不能省略。相反韩语更多地省略句子主语,尤其是在对话结构中。文章由此推测,汉语和韩语分别属于＂主体＂和＂客体＂为中心的语言,准确地说,＂主体中心＂和＂客体中心＂之间存在一个连续性,汉语是偏向＂主体中心＂的语言。     

基于语篇表述理论的汉语人称代词的消解研究

人称代词的指代消解是自然语言处理中语篇理解的关键问题之一.语篇表述理论(DRT)独特的语篇表述结构(DRS)构造方法为指代消解提供了新的思路.本文在语篇表述理论的基础上,针对汉语书面语,提出一种面向语篇理解的汉语人称代词的指代消解方法,并在语篇表述结构的构造过程中实现汉语人称代词的指代消解.     

一种基于NA假设的训练数据自动构造方法

为减轻人工标注训练语料库面临的瓶颈问题,提出了一种基于ＮＡ假设带标训练语料库的自动构造方法·为了检验该方法的有效性,将自动获取的带标训练语料库用于词性标注应用中,２万词次的开放性测试结果的准确率为９３．１％,其中词性兼类消歧准确率为７９．３％,未登录词词性确定准确率为８８％·     

事件本体模型及事件类排序

给出了事件、事件类的定义, 分析了事件类之间的关系, 在此基础上形成了面向事件的本体模型, 为基于语义的知识处理提供了新的方法与技术。在事件本体模型的基础上以事件类排序为实例, 研究了基于HARank (Hubs-Authorities Rank)算法的事件类排序方法, 给出了实验结果, 并对其进行了评价。与传统本体相比, 事件本体以更高粒度的事件作为知识表示单元, 更适合表示运动世界的知识。     

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。     

一种基于事件检测的分布式网络管理系统模型

为了有效地处理大规模网络事件,克服由于网络事件大量性、多样性和相关性造成的困难,提出了一种基于事件检测的分布式网络管理方案·在对网络事件分类的基础上,采用基于策略的层次型事件处理机制,提高了事件检测效率,平衡了系统负载,降低了网络资源的占用率·基于动态时间窗的事件合成方法,保证了事件检测的及时性和准确性,为网络的可靠运行提供了保障