基于维基语义的多文档文摘研究

多文档文摘作为自然语言处理领域的重要技术之一,能从不同角度辅助用户实现高效的信息获取.由于文档集合内的内容往往来自不同的信息源,文本之间通常存在丰富而复杂的语义关系.常用的基于词的文档表示法,难以为文摘的语义分析过程提供充足而准确的数据信息.为此,我们提出使用维基百科——当今世界最大的在线概念语料库——为多文档文摘的提取提供语义支持.一方面,我们通过提取文档中的维基概念,生成准确一致的句子表示形式.另一方面,在计算句子特征时,我们利用维基词条的首段指导机器文摘的提取.我们首先通过计算概念在维基中的全局相关性和当前文档集内的局部相关性,获取概念的权重.然后在维基概念表示的基础上,为文档中的句子提取多种基于维基的特征,并最后用于文摘生成.在实验中,我们依次用各个维基特征独立生成文摘,并使用ROUGE(Recall-Oriented Understudy for Gisting Evaluation,面向召回率的要点评估)指标评价文摘质量.通过比较,实验验证了维基词条首段能较好的提升文摘质量.     

基于本体和语义网的网络教育资源检索研究

随着教育信息化进程的大力推进,网络教育资源的建设越来越受到国家和各高校的重视.语义网提供了语义互操作模型,能有效实现网络资源的发现、共享和集成应用.阐述了语义网、语义检索、本体构建、元数据标准等关键技术,分析了本体与元数据的关系,给出了基于元数据的教育资源本体构建方法.设计了基于本体的网络教育资源语义检索系统,该系统由...     

语义网及其应用

面对万维网信息化规模急剧膨胀、信息载体也趋于多元化等原因所带来的诸多困难,语义网的提出为此提供了解决方案及技术支持,它利用对网络上的信息资源添加语义,达到不仅为人们所理解,也可以使机器理解和处理的目的.本文首先介绍了语义网的背景、基本概念、技术框架,然后阐述了语义网的结构框架以及各层次之间的协作关系与作用.结合一个实例...     

术语定义的聚类研究

术语定义的领域聚类是一项较新的研究课题。本文采用自下而上的层级聚类的方法,基于知网进行语义相似度计算,并根据不同词类对领域区分的贡献度以及构建领域聚类特有的停用词表来进行聚类的特征项选取,实现了术语定义的领域聚类。实验取得了较好的聚类结果。     

基于块匹配的综合图像检索技术

提出了一种基于文本、语义和特征块匹配相结合的综合图像检索方法．首先,将图像入库时进行人工标注;然后运用SVM机器学习框架,建立先验知识库,提取图像的语义特征;然后利用Harris算子检测出图像的特征点,进一步统计出两个图像中匹配的特征块数目,计算图像间的相似距离．实验结果表明,这种综合检索方法能更全面、更精确地描述了图...     

搜索引擎日志中"V+N1+N2"型短语研究

搜索引擎用短语词典能够有效地改善和提高信息检索的性能,"V+N1+N2"型结构是一种常见汉语短语结构.本文基于搜狗语料,分别从各组成要素特点、语义特征以及句法功能,对"V+N1+N2"型动词短语和名词短语进行统计分析和相关数据处理.针对不同语义关系,在不改变原语义的条件下,提出了相应的转换模式,为搜索引擎用短语词典的构建提供了理论支撑.     

翻译过程中词语弹性的语义阐释

根据语义学理论的基本原理,探讨了英汉词语的核心、外延和认知意义,提出在翻译过程中必须正确把握词语的弹性,才能达到原文和译文之间的“动态对等”。     

当代句子理解理论述评

在简要介绍当代句子理解理论提出的背景之后,回顾了两阶段模型、基于制约的模型、参照支持模型、同时作用模型与三阶段神经认知模型等当代句子理解理论.为解决这些理论之间的分歧,提出了三点建议.     

英语"hand"和汉语"手"之一词多义对比

通过对英语之“hand”和汉语之“手”的一词多义结构的这一个案的分析对比,发现该词的义项分布在两种语言中基本一致,其词义拓展方式呈辐射和连锁相结合的趋势;且各义项以转喻或隐喻方式为主要纽带,组成了一张多核的相关语义网。该基本人体词的多项语义分布现状反映了人类在不同语言背景下认知和语义发展中共有的思维方式,从而为多义词的外语教学提供了新的思路。     

通信辐射源运动轨迹相似性分析

针对传统运动轨迹相似性分析利用时空信息效率不高问题,结合通信辐射源主体特点,提出基于时空和语义信息的辐射源轨迹相似性分析算法。在该算法中,对相似运动轨迹距离测度进行改进,提出基于马氏距离的轨迹时空相似度算法,将轨迹分割后计算相似度,克服了时间不匹配轨迹和不同采样间隔对轨迹相似性判断的影响;同时,结合基于高效K近邻(K-nearest neighbor, KNN)相似搜索的语义相似数据搜索算法,实现对辐射源相似轨迹的准确判断。该算法能够准确判断相似轨迹,优于现有的相似轨迹判断方法,且适应噪声环境。仿真实验结果验证了该算法的性能。