基于本体的教学知识库研究与应用

知识库是智能教学系统的基础。由于教学知识库的描述标准不统一,知识表示方法也不同,所以导致教学知识难以共享和互操作。将本体引入教学领域知识库建模过程,建立概念共享模型,提供概念语义空间,不仅可以解决智能教学系统中的知识共享和互操作问题,而且易于实现基于本体的语义检索系统,从而大大提高系统的查全率和查准率。     

基于本体的教学知识库研究与应用

知识库是智能教学系统的基础。由于教学知识库的描述标准不统一,知识表示方法也不同,所以导致教学知识难以共享和互操作。将本体引入教学领域知识库建模过程,建立概念共享模型,提供概念语义空间,不仅可以解决智能教学系统中的知识共享和互操作问题,而且易于实现基于本体的语义检索系统,从而大大提高系统的查全率和查准率。     

基于混合推理的知识库的构建及其应用研究

该文提出了基于OWL本体与Prolog规则的平面几何知识库的构建方法,从而可形式化地表示平面几何中丰富的语义信息.一方面,用类型、定义域、值域、分类、属性、实例等本体描述来表达结构化的知识,为领域内概念与概念之间关系的描述提供形式化的语义;另一方面,用Prolog规则来解决本体不能有效表达的诸如属性之间的关系和操作等问题,从而支持复杂关系间的推理.在此基础上,用Protégé和Prolog构建了一个基于本体和规则的平面几何知识库.实验证明:此知识库可实现知识和语义层次上的信息查询,还可进行复杂问题求解,其丰富的语义描述和混合推理能力弥补了传统知识库的不足.     

基于本体的电力客户知识库模型研究

从现有的知识库和本体的理论出发,为了解决电力客户知识共享和语义互操作问题,基于本体的构建工具和方法,运用Protege3.3.1建立了电力客户的领域本体.用本体标准语言OWL对其进行形式化描述,给出该本体的关联可视图,建立电力客户概念共享模型,提供概念语义空间,为建立基于本体的电力客户知识库奠定了基础.     

基于本体的VB语言程序设计知识表示方法研究

针对目前高校VB语言程序设计课程教学过程中存在的问题,探讨了知识库本体的概念和研究方法,设计了基于本体的课程知识构架及知识表示形式,给出了基于本体的教学资源平台建设及语义检索开发的结构描述。实验表明基于本体构建的课程知识体系模型,可以有效地表示本门课程的知识结构,有利于课程内容的资源共享和语义查询。     

基于知识元本体的知识统一表示

分析描述逻辑和本体论语义,提出知识元本体论点,并用Web本体语言OWL详细地构建了知识元本体的初步版本.提出基于知识元本体的知识表示方法.从而为构建具有更小知识单元共享粒度和知识语义推理的知识库系统提供统一的知识元本体定义.     

基于XML的知识融合与知识库组织

提出了一种基于XML的知识表示方法—XKR(XML-based Knowlodge Rcpresentation)。XKR把产生式、框架、语义网络，过程表示法等多种传统的表示方法融合到一起，用XML作统一的形式描述语言。由于XML本身包含语义并能够无限扩充，因此XKR可以描述不同背景不同类型的知识，实验知识融合。在此基础上，进一步构建出分布式知识库。     

用数据挖掘方法扩充知识库的研究及应用

讨论了数据挖掘与机器学习对于扩充知识库的异同，分析了知识库、数据库与数据挖掘在知识系统中的关系．提出了一种基于XML的知识表示方法XKR(XML-based Knowledge Representatlon)．XKR用XML作为统一的形式描述语言,把产生式、框架、语义网络、过程表示法等等多种传统的表示方法融合到一起,由于XML本身包含语义并能够无限扩充，所以XKR可以描述不同背景不同类型的知识，实现知识融合,通过应用实践发现XKR知识库有优点也有缺陷，文章指出了改进思路．     

基于本体的知识库模型研究

本体作为一种能在语义和知识层次上描述信息系统的概念模型建模工具,近年来在计算机的许多领域得到了广泛的应用。其中,基于本体的知识构建是一个复杂的系统工程。就目前的研究状况来说,主要是解决如何构建知识模型的问题。本文运用本体知识模型相关的理论,在分析了本体论、知识库和知识库系统概念的基础上探讨了本体论在知识库系统中的应用和方法,提出了一种基于本体的知识模型,并阐述了基于本体的知识库构建方法。     

基于特征模型的电力客户知识库模型研究

为了解决电力客户知识共享和语义互操作问题,利用本体工具以一种无歧义的方式建立了电力客户的特征模型,并利用本体标准语言OWL进行形式化描述,为建立基于本体的电力客户知识库模型奠定了基础.     

基于知识图的领域本体构建方法

提出了一种基于知识图的领域本体半自动构建方法。以《知网》为语义知识资源,知识图为语义表示方法,采用成熟的软件工程流程,最终构建出的领域本体具有结构明确、语义清晰的特点。对于在其上的语义网、信息抽取等应用提供了有效支持。介绍了本体的概念、设计的准则、建模的流程,并对未来的本体的移植性进行展望。实验结果表明该方法在不确定性知识处理上优于传统本体构建方法。     

基于图解特征语义认知的产品设计过程知识模型

针对产品造型设计过程知识表征,提出基于图解语义认知的产品设计过程知识模 型。分析产品的本体语义及产品设计过程知识,结合可拓学基元理论构建产品设计过程的知识 表征基元模型,提出可拓原点基元及可拓向量概念,实现设计过程--设计生长、设计收敛及 设计优化的知识表征。在产品设计过程知识基元表征模型基础上,提出基于图解语义的实例库 聚类方法模型。以机床装备造型设计为例,验证了该方法的可行性,为产品造型设计提供一种 形式化与量化相结合的设计参考方法。     

基于知识表示学习的实时语义数据流推理

传统的语义数据流推理使用前向或后向链式推理产生确定性的答案,但是在复杂的传递规则推理中效率不高,无法满足实时数据流处理场景对答案的及时性要求。因此,提出一种基于联合嵌入模型的知识表示方法,并应用于语义数据流处理中。将规则与事实三元组联合嵌入并利用深度学习模型进行训练,在推理阶段,根据查询中涉及的规则建立推理模板,利用深度学习模型对推理模板产生的三元组进行预测和分类,将结果作为查询和推理答案输出。实验表明,对于复杂规则推理,基于知识表示学习的实时语义数据流推理能够在保障较好推理准确性和命中率的前提下有效地降低延迟。     

基于概念图的汉语语义计算的研究与实现

中文信息处理的发展迫切需要加强汉语语义理论的研究,尤其是汉语语义表示形式和语义计算的研究。针对目前汉语语义计算方法的计算结果并不准确的问题,提出了一种基于概念图的汉语语义计算方法。该方法以“知网”为语义知识资源,以概念图为知识表示方法,把自然语言文本转化为概念图,通过概念图的匹配实现语义计算,以改善语义计算的效果。实验结果表明该方法对汉语语义计算是有效的。     

基于可靠词汇语义约束的词语向量表达修正研究

词语向量表达(word vector representation)是众多自然语言处理(natural language processing,NLP)下游应用的基础。已有研究采用各种词汇分类体系提供的词汇语义约束,对海量语料训练得到的词向量进行修正,改善了词向量的语义表达能力。然而,人工编制或者半自动构建的词汇分类体系普遍存在语义约束可靠性不稳定的问题。该文基于词汇分类体系与词向量之间、以及异构词汇分类体系之间的交互确认,研究适用于词语向量表达修正的可靠词汇语义约束提炼方法。具体上,对于词汇分类体系提供的同义词语类,基于词语向量计算和评估类内词语的可靠性。在其基础上,通过剔除不可靠语义约束机制避免词语类划分潜在不够准确的词语的错误修正;通过不同词汇分类体系的交互确认恢复了部分误剔除的语义约束;并通过核心词约束传递机制避免原始词向量不够可靠的词语在词向量修正中的不良影响。该文采用NLPCC-ICCPOL 2016词语相似度测评比赛中的PKU 500数据集进行测评。在该数据集上,将该文提出的方法提炼的可靠词汇语义约束应用到两个轻量级后修正的研究进展方法,修正后的词向量都获得更好的词语相似度计算性能,取得了0.649 7的Spearman等级相关系数,比NLPCC-ICCPOL 2016词语相似度测评比赛第一名的方法的结果提高25.4%。     

基于优化目的的人机界面知识化表示方法

对一种新的人机界面操作和交互行为的知识化表示方法进行了介绍和分析。以语义网络为基础,通过对人在界面操作中的知识作业过程及交互行为进行分析研究,建立了一种带距离标识的基于面向对象的语义网络的界面知识化表示方法,提供了人机界面特征集定义、推理规则和交互描述模型。该表示方法从界面语义模型和心理语义模型的角度描述了交互,能够正确地描述人机界面的语义知识特征。并以手机短信界面为例说明了该方法的有效性和必要性。     

基于分层粒度对比网络的钢铁燃气调度知识获取与建模

对于钢铁燃气系统的实时有效调度是实现企业节能降耗的关键. 考虑燃气产消过程所包含的多工况特征, 提出了一种基于分层粒度对比网络的调度知识获取与建模方法. 鉴于深度对比学习对于语义信息的处理能力, 定义和描述了一系列信息粒度, 以建立能源数据的语义表示. 为初步提取多工况调度知识, 采用长短时记忆(Long and short-term memory, LSTM)网络学习具有时变特性的粒度变量特征. 在此基础上, 利用专家经验知识定性地划分对比学习样本, 建立基于粒度对比学习的知识表征网络. 为挖掘调度数据中所包含的深层次知识, 进一步提出了基于反馈机制的分层对比网络模型, 并通过网络输出层实现调度建模任务. 实验部分采用了国内某钢铁厂高炉煤气系统的实际数据进行了多组对比实验, 结果表明所提方法获得的知识表示能够有效提高燃气系统的建模精度, 帮助实现专家级别的调度表现.     

Hy-SN: Hyper-graph based semantic network

Knowledge representation is a critical basis for knowledge management. With considering a balance between machine- and human-understandable, we propose a new knowledge representation model by combining the semantic network and the hyper-graph. We refer to this model as ‘hyper-graph based semantic network’ (Hy-SN), which can represent more complex semantic relationships and have a more efficient data structure for storing knowledge in repositories. This paper also investigates the reasoning mechanisms of Hy-SN, which includes: the logical, analogical, and inductive reasoning. Implicit semantic relationships can be derived on the basis of these reasoning mechanisms. Three application cases based on Hy-SN are illustrated to validate its rationality and practicability.     

视觉知识：跨媒体智能进化的新支点

回顾跨媒体智能的发展历程,分析跨媒体智能的新趋势与现实瓶颈,展望跨媒体智能的未来前景。跨媒体智能旨在融合多来源、多模态数据,并试图利用不同媒体数据间的关系进行高层次语义理解与逻辑推理。现有跨媒体算法主要遵循了单媒体表达到多媒体融合的范式,其中特征学习与逻辑推理两个过程相对割裂,无法综合多源多层次的语义信息以获得统一特征,阻碍了推理和学习过程的相互促进和修正。这类范式缺乏显式知识积累与多级结构理解的过程,同时限制了模型可信度与鲁棒性。在这样的背景下,本文转向一种新的智能表达方式——视觉知识。以视觉知识驱动的跨媒体智能具有多层次建模和知识推理的特点,并易于进行视觉操作与重建。本文介绍了视觉知识的3个基本要素,即视觉概念、视觉关系和视觉推理,并对每个要素展开详细讨论与分析。视觉知识有助于实现数据与知识驱动的统一框架,学习可归因可溯源的结构化表达,推动跨媒体知识关联与智能推理。视觉知识具有强大的知识抽象表达能力和多重知识互补能力,为跨媒体智能进化提供了新的有力支点。     

IUC构建在农业专家系统中的应用

农业专家系统是现今应用效果显著的智能化农业信息处理系统,而系统的开发是其广泛推广的瓶颈问题。采用以自然语言理解为基础自动获取知识并自动构造专家系统的思想,提出了利用格语法来组织句法,通过语义网络进行知识表示的一种新的知识获取方法,解决了在构造农业专家系统中的一个关键问题:中文自然语言理解接口IUC(Interface for U nderstand ing Ch inese)。实验结果表明,该方法是可行且有效的。