纯Peer-to-Peer环境下有效的本体匹配方法

目前大多数的Peer-to-Peer(P2P)系统由于欠缺对语义的支持而不能很好地应用于知识共享领域.可能的方法是采用本体(ontology)来描述Peer节点共享资源的语义.针对纯P2P环境下不同节点单独维护局部本体异构的特点,提出了基于历史查询记录的纯P2P环境下的本体匹配方法HOM.首先利用历史查询记录挖掘出概念之间可能存在的映射关系,然后利用向量空间模型VSM(vector space model)方法来识别概念在语言学上可能存在的联系,进而修正概念之间的映射关系,建立不同节点间本体概念的匹配.分析和仿真表明,与现有方法相比,HOM方法考虑了节点的自治特性,并提高了本体匹配的精度.     

副词“都”的语义分析——兼论“都”字句焦点透视

副词"都"是现代汉语中使用频率非常高的一个副词,用法比较复杂。从功能语法角度,前人认为副词"都"的主要信息结构功能是句中表达的重要信息与非重要信息分界线的作用;副词"都"作为焦点算子指向并约束的是语义焦点。文章认为副词"都"的信息结构功能和指向、约束的焦点类型应按副词"都"的义项分三种情况,不宜一概而论。     

结合语义的位置语言模型

针对位置语言模型没有考虑词与词之间语义关系的问题, 提出一种结合语义的位置语言模型。首先采用高斯核函数来度量词与词之间的位置关系; 然后提出一种平滑互信息的技术来度量词与词之间的语义关系, 证明了平滑互信息能够有效解决大量词对之间无法通过互信息来计算转移概率的问题; 还证明了位置语言模型是结合语义位置语言模型的一个特例; 最后将结合语义的位置语言模型应用于信息检索, 得到一个基于该模型的检索模型。实验结果表明, 基于该模型的检索模型在性能方面要优于基于位置语言模型的检索模型。     

一种不一致本体的可废止推理系统

利用可废止逻辑的非单调知识表示和推理能力、线性的计算复杂性和易于实现等优点,整合描述逻辑和可废止逻辑,提出了一种不一致本体的可废止推理系统（简称为DeRS）.DeRS使用描述逻辑定义的本体和可废止理论对领域问题进行混合建模,将TBox划分为最大的一致公理集和最小的不一致公理集,并进行初始化;然后利用转换算法,将一致公理集的公理和不一致公理集的公理分别映射为硬性规则和可废止规则,并添加到可废止理论中;最后利用新定义的可废止推理规则进行非单调可废止推理,由此解决了不一致本体的推理问题,弥补了描述逻辑在非单调性方面的不足.结果表明DeRS具有协调性、易处理性、可判定性、可靠性等基本性质.     

基于本体的关系数据库关键词语义查询扩展方法

目前关系数据库关键词查询技术主要利用关键词的语法匹配,而没有利用数据之间的语义关系进行匹配,导致查询效果往往都不太令人满意。为了改善查询效果,结合本体概念,提出了基于本体的关系数据库关键词查询的语义查询扩展方法,把用户提交的查询关键词扩展为基于本体的语义关键词。实例分析表明,扩展后的语义关键词尽可能符合用户的真实意愿。     

英语报刊语篇中的词汇衔接研究

词汇衔接是衔接的主要部分。本文以韩礼德等语言学家的衔接理论为基础，对英语报刊语篇进行具体分析，指出词汇衔接能使语篇达到统一的语境，是构建语篇主题以及使语篇连贯的主要手段。     

一种使用混合匹配的有限服务自动组装算法

提出了语义企业服务总线的概念,并给出了相应的原型设计及实现该总线所涉及的技术.针对语义Web服务的自动组装问题,设计了一种使用混合匹配的有限服务自动组装算法,相比手工和半自动的组装方法,该算法能实现语义Web服务的全自动组装.     

英汉空间范畴化对比分析——以in、on和(在)……上、(在)……里为例

在人类所有的概念范畴中,空间范畴是最基本、最重要的范畴之一,它反映了人们对事物间各种空间关系的认知、分类和组织.本文以认知语言学的范畴化理论为基础考察了英语介词in、on与汉语的(在)……上、(在)……里在空间范畴化上的异同.分析结果表明:英、汉语在划分这两个空间范畴的核心成员时趋于一致,而在划分它们的非核心成员.尤其是边缘成员时则有差异.造成这种差异的深层原因是由于英、汉两个民族拥有不同的空间认知系统和习惯,并在观察空间关系时采取了不同的观察视角.     

利用问句语义结构构建旅游领域数据库查询

为了提高数据库查询的准确率,提出一种利用问句语义结构构建领域自然语言数据库查询方法.该方法通过定义问句语义模板,借助领域知识,对领域问句进行语义分析,提取问句语义块,并通过语义模式匹配实现问句语义模板向SQL的转换,从而实现自然语言数据库查询.在云南旅游领域实验的结果表明,该方法取得了较好的效果.     

基于潜在语义分析的领域知识地图构建技术

信息过载现象普遍存在于产品设计过程中,而提升信息和知识检索的准确性是解决该问题的主要手段. 领域知识地图能够为知识检索引擎提供领域知识关联信息,以提升知识检索的准确性. 针对领域知识地图的构建,提出了一种半自动化的领域知识地图构建过程. 该过程采用领域专家定义领域特征集的方法来提升领域特征集的全面性和独立性,进一步采用潜在语义分析技术（LSA）消除领域特征集中存在的语义交叉. 通过分析领域知识相似度的分布,采用优先去除中距离的策略构建最终的知识地图. 最后给出数控领域知识地图的构建过程,证明了该方法的有效性.