汉语句型形式化及语义计算

提出以句法同构作为汉语句型划分的准则,并以此为基础,建立了汉语句型的形式化理论,包括汉语句型的 形式化定义、句型的形式化描述、基于句型的汉语语句语义计算方法.     

关于“把”字句中否定词的位置

汉语历时层面上,“把”字句中否定词的位置有两种：“把”字前与“把字”后;现代汉语共时层面上,“把”字句中的否定词有前置趋势,通常都放在“把”字之前。这是由于“把”字句否定词前置式和后置式相互竞争的结果。从语义上看,否定词作为一个情态成分它是句子层面的状语,其语义是和整个句子相关的,和谓语动词的关系远没有“把”字介引的介宾结构紧密,尽管否定词和“把”字介宾结构一样在句中作状语,但由于和谓语动词的关系亲疏不同,反映在句法位置上,就不像后者那样和动词靠得如此紧密。从认知上看,当否定词进入“把”字句时,就意味着受力者没有受到力的影响,这种情况下就得从施力点开始否定,应将“把”也纳入否定词的辖域,表现在句法上就是要处于否定词之后。从语句信息传递准确与快速的交互关系来看,否定词前置的“把”字句有着后置式无可比拟的优越性,它的语序排列比较符合人们的思维模式,便于理解。     

基于IL的遗产软件规约析取算法研究

提出了一种基于中间语言IL(Intermediate Language)的遗产软件代码解析方法,所提方法从程序集信息解析、定位数据流,通过层次扫描方式从数据流分析程序框架的属性、类、函数、结构等软件要素,从代码语义等价地析取包括分支结构、控制结构和循环结构组成的基本结构集。实验结果表明所提方法能够有效地解析出Dot Net遗产代码的语义,可实现遗产代码的复用和集成。     

基于深度学习的CT影像肺结节检测

为辅助医生检测大量肺部CT( Computed Tomography) 图像中难以发现的肺结节的问题,提出使用深度U-Net网络对肺部结节进行分割。由于U-Net 网络出自于全卷积网络( FCN: Full Convolution Network) ,特点是端到端,像素到像素,网络对每个像素点进行分类,能将深层特征抽象的特征信息和浅层特征具象的位置信息相结合得到CT 图像的分割掩膜。实验结果表明,该方法对肺结节的检测效果良好。     

基于可见光/红外图像的夜间道路场景语义分割

针对夜间道路场景解析困难的问题,提出了一种联合可见光与红外热像图实现夜间场景语义分割的方法。首先将双谱图像分别输入至两路并行的全卷积神经网络中,在网络的尾端融合特征并预测得到初步的语义分割结果。在此基础上,对双谱图像进行自适应直方图均衡及双边滤波,并利用基于双谱图像信息的稠密条件随机场对语义分割结果进行优化。实验结果表明,相比于单独使用可见光图、红外热像图、融合图,本文方法可以对夜间道路场景进行更准确的解析。     

基于VGG16预编码的遥感图像建筑物语义分割

深度卷积神经网络在遥感图像语义分割研究上开创了新的领域。利用改进的U-net模型对建筑物区域进行像素级提取,可获取其轮廓和尺寸信息。利用强可迁移性的VGG16网络作为U-net模型的编码器,并利用基于空洞卷积的级联并行模块提取多尺度的高层语义信息,同时使用转置卷积实现上采样,逐步还原分割细节。实验采用了加权组合的Jaccard损失和二元交叉熵损失作为总损失函数。实验结果表明了改进的U-net模型对遥感图像中建筑物的分割提取具有更高的精度,均像素精度(MPA)、均交并比(MIoU)和F_1分数分别为92. 16%、78. 55%和84. 81%。改进模型的F1分数比Deep Labv3+模型高4. 8%,比标准U-net模型高8. 3%。     

面向用户需求的云桌面推荐方法研究

云桌面是为用户提供可定制、共享资源的新型云服务,用户可以将云桌面作为一种可检索的数据资源,根据自身需求选择合适的云桌面.从资源提供者和消费者两端,提出了一种基于本体的用户需求描述与匹配的云桌面推荐方法.一方面对资源提供端的服务功能和非功能特性进行了分析,将基于本体技术对用户需求和待选桌面镜像进行匹配,为用户发现更可靠的云桌面;另一方面对资源消费端的用户需求进行了分析,利用协同过滤机制,供用户选择合适的云桌面资源,避免了用户资源请求的偏差.实验结果表明,本文方法提高了云桌面在资源发现和选择过程中的准确性,能根据用户潜在的需求向用户推荐更合适的数据资源.     

述补谓语句的形式语义分析

中文信息处理是当今众多学科关注的热门话题,而自然语言的形式分析是实现这一任务的必要环节。分析了述补谓语句中各类补语在语形、语义等各方面的特点,并利用转换生成语法、现代谓词逻辑、类型论、范畴论、广义量词理论、集合论和λ-转换等工具分别对各类述补谓语句的语义及句法生成等作了探讨,以期有助于中文信息处理的相关研究。     

一种基于眼动轨迹的语义提取方法研究

利用眼动轨迹包含的参数来预测顾客是否喜欢某些商品,对于电子商务的推荐系统具有重要意义。通过采集顾客观察某物品的眼动参数,借鉴Find-s算法概念学习的思想,提出眼动轨迹语义提取算法,该算法首先学习先验知识,然后通过让样例正反例距离最大实现确定眼动参数包括注视时间、瞳孔大小、眨眼次数以及回视次数的权重,利用SEBET(Se-mantic extraction based eye tracking)算法,通过■计算样例正反例之间的距离,依照距离的远近来判断顾客是否喜欢某商品,从而实现从眼动轨迹进行语义提取。实验中,记录被试观察水果图片的眼动参数,分析出被试的喜好,与被试实际喜好进行了比较,发现样本与正例的距离为0.91,与反例的距离为3.01,与实际情况相符。     

英汉经济文本中战争隐喻的语义及认知分析

概念隐喻"贸易即战争"是英汉经济文本中最常用也是最受青睐的概念隐喻之一。文章从战争概念的诸多方面入手,从几个英汉语料库中选取丰富的含有该概念隐喻的经济文本,从语义和认知角度对文本进行分析,并在此基础上总结该概念隐喻的认知基础、本质和特点,以帮助人们建立和理解经贸活动所涉及的概念系统,从而更好地理解经济文本。