一种特定领域智能搜索引擎技术的研究

对现有的搜索引擎技术进行了详细比较分析，并提出了用于特定领域如电子商务智能搜索引擎技术的研究思路。采用知识库等人工智能新技术来设计搜索引擎，从而实现将搜索的信息转化为有用的知识，提高搜索技术的智能水平，并实现推送Push技术，为电子商务提供服务。     

基于Multi-agent技术的知识发现新模型KDD的设计

KDD模型是基于双库协同机制的知识发现新模型,是结构化数据挖掘领域研究的一个新的分支。为了进一步提高KDD的智能性,文章设计了一个基于Multi-agent技术的智能数据挖掘系统。利用多智能体技术,实现了数据预处理、数据挖掘、知识的自动获取、基础数据库与知识库的同步进化与协调、知识的评价与表示等功能,为智能信息系统的发展提供了重要支持。     

基于DLL的知识库系统及其实现

基于知识系统的主要内容是其领域知识库,而知识库的关键是其搜索效率和可移植性。文中分析了几种基于知识的系统中常用的知识库运行模式,根据动态连接库(DLL)的特点,提出了一种基于DLL的知识库预编译模式,阐述了基于该模式的知识库系统基本原理,并应用于产品设计领域的智能化知识库系统开发环境中,建立层次化的智能CAD知识库,大大提高知识库搜索效率,取得了令人满意的效果。     

基于DLL的知识库系统及其实现

基于知识系统的主要内容是其领域知识库,而知识库的关键是其搜索效率和可移植性.文中分析了几种基于知识的系统中常用的知识库运行模式,根据动态连接库(DLL)的特点,提出了一种基于DLL的知识库预编译模式,阐述了基于该模式的知识库系统基本原理,并应用于产品设计领域的智能化知识库系统开发环境中,建立层次化的智能CAD知识库,大大提高知识库搜索效率,取得了令人满意的效果.     

面向Web服务发现的本体知识库

本文探讨了面向Web服务发现的本体知识库的构建方法及其形式化描述。作为语义Web服务的发现框架中数据层和语义层,面向Web服务的本体知识库与一般的常识知识库不同,它既要表达领域本体的知识(本文涉及旅游领城知识),又涉及到Web服务的形式化描述以及个人兴趣模型的描述,以支持形式化的规范查询请求,并应用本体间的关系最终实现Web服务智能发现。本文通过一个Web服务发现实例说明此模型的应用价值,并与传统的本体知识库进行了对比。     

基于知识库系统的中文智能搜索引擎

随着信息技术的发展和信息量的增长,传统的搜索引擎技术日益不能满足用户信息查询的需要.目前.搜索引擎技术与人工智能(AI)技术的结合已经成为网络信息搜索的关键技术与核心思想.一种基于知识库系统的智能搜索引擎技术已成为当前研究的热点.主要介绍基于知识库系统的中文智能搜索引擎及其实现技术,以及中文智能搜索引擎的主要发展方向.     

智能教学系统中知识表示模型的研究与设计

研究了智能教学系统功能与结构。分析了知识库模型在智能教学系统中的重要地位;通过对知识库中的教学内容与教学规则两类知识的分析和对超媒体知识表示的研究,构建了一个基于层次结构的超媒体网络模型,并在知识网络图中节点里嵌入教学规则,以实现教学内容的动态组织、呈现和教学过程中的自适应导航。该模型为教学系统的决策与分析提供了智能的辅助手段。     

一种MAS构件知识复用动态演化模型

为提高企业的知识利用效率,增强企业创新能力,针对企业现有知识和系统,提出将企业知识管理的业务逻辑与知识处理事务分开,建立了基于多智能体和构件知识的知识复用模型,设计了知识管理业务逻辑的规则模型和智能体的活动行为模型,讨论了基于多智能体的规则协调模式,有效地支持知识的动态复用和知识使用过程的动态重组,增强知识管理系统的分布式处理能力和规模可扩展能力.在分布式构件库系统中,智能体通过协作联合完成任务要求.每个智能体拥有自己的知识库,并且具备学习能力,能够更新其知识库以保持执行结果的有效性.     

电力领域语义搜索系统的构建方法

电力领域不断累积大量的数据资源,包含相关标准规范、技术文档、管理文档、故障解决记录等等,如何对这些文档进行快速查询和智能搜索,对于电网调度与故障恢复具有重要价值.传统的电力领域搜索系统都是基于关键词来实现,存在查准率和召回率低的问题,无法理解业务语言,无法支持语义推理.本文设计实现一种基于知识图谱的电力领域语义搜索系统的构建方法,通过智能领域分词技术对非结构化数据进行语义知识提取,组织并存储为知识图谱,基于知识图谱来实现支持推理的语义搜索.介绍了领域语义搜索系统构建流程,并进行平台实现,实验表明该方法查准率和召回率均有较大提升.     

基于Agent的Web知识过滤器设计

介绍了一个智能知识过滤器的设计和实现。系统结合信息检索技术、智能Agent技术、数据库技术等使知识库的知识获取更加自动化、智能化,同时采用XML描述信息、使知识库更具通用性。系统的界面友好、使用方便具有通用性和开放性。     

Semantic Web search based on ontological conjunctive queries

Many experts predict that the next huge step forward in Web information technology will be achieved by adding semantics to Web data, and will possibly consist of (some form of) the Semantic Web. In this paper, we present a novel approach to Semantic Web search, called Serene, which allows for a semantic processing of Web search queries, and for evaluating complex Web search queries that involve reasoning over the Web. More specifically, we first add ontological structure and semantics to Web pages, which then allows for both attaching a meaning to Web search queries and Web pages, and for formulating and processing ontology-based complex Web search queries (i.e., conjunctive queries) that involve reasoning over the Web. Here, we assume the existence of an underlying ontology (in a lightweight ontology language) relative to which Web pages are annotated and Web search queries are formulated. Depending on whether we use a general or a specialized ontology, we thus obtain a general or a vertical Semantic Web search interface, respectively. That is, we are actually mapping the Web into an ontological knowledge base, which then allows for Semantic Web search relative to the underlying ontology. The latter is then realized by reduction to standard Web search on standard Web pages and logically completed ontological annotations. That is, standard Web search engines are used as the main inference motor for ontology-based Semantic Web search. We develop the formal model behind this approach and also provide an implementation in desktop search. Furthermore, we report on extensive experiments, including an implemented Semantic Web search on the Internet Movie Database.     

基于实例的隐喻理解与生成

语言中的明喻可以看作是带标记的隐喻,比较容易识别,为隐喻的理解和生成提供了很好的知识源.利用web搜索引擎大规模获取明喻实例,自动构建明喻知识库.基于明喻知识库,考察了汉语隐喻的源域分布情况;提出了一个基于实例的隐喻自动理解和生成方法.实验结果表明,隐喻的理解和生成均取得了较高的准确率.该方法具有很好的可扩展性.明喻知识库中所表达的概念之间的组合关系也可以用于其他多种自然语言处理任务.     

投入驱动的存储与计算一体化的事务处理效率优化方法

事务处理技术是报告信息一致性和可靠性的关键技术,决定了Web服务是否可以应用于电子商务。类型化的数据、信息和知识等资源繁杂冗余,导致资源存储和处理效率低下,长事务的处理过程往往会持续较长时间,使得锁定资源的策略不能一直适用,为了协调事务型资源存储和计算代价,提出了一种投入驱动的事务处理方法。从资源建模、资源处理、处理优化和资源管理等角度进行研究,基于对现有知识图谱概念的拓展提出了一种三层可自动抽象调整的解决架构。这个架构包括：数据图谱、信息图谱和知识图谱等三个层面,关键在于对搜索目标资源对象类型转移代价和在资源存储空间上的存储代价的计算,并根据用户投入协同调整搜索目标资源对象的搜索机制和存储方案,从而降低资源搜索的时间复杂度和资源存储的空间复杂度,优化事务处理的时空效率。     

互联网中文信息获取研究

提出了一种以智能化、主动搜索为标志的互联网中文信息获取方法，实现了一种互联网中文信息智能获取工具，该工具采用智能Agent的体系结构，通过学习用户日常的文档和用户的交互意见推测出用户需求，建立个性化的用户模型。并使用元搜索引擎从互联网上主动获取信息。最后通过本地智能处理技术，剔除合并重复及相似性大的信息，将处理后的结果以显明易懂的方式提交给用户。     

语义Web搜索技术研究进展

语义Web搜索技术是综合本体论、信息检索、自然语言处理等多学科理论和方法的新兴技术。介绍了语义Web和语义Web搜索的现状。在此基础上,给出了实现语义Web搜索技术的一般体系结构,并进一步分析了各组成模块的基本任务、现有技术和评价体系。最后给出了所做的相关工作和对语义Web搜索技术的展望。     

中文阅读理解语料库构建技术研究

阅读理解问答系统指的是能够自动分析一个自然语言文章,并且根据文中的信息为每个问题生成一个答案的系统,具有很高的研究价值。然而,缺乏中文阅读理解语料库已经成为制约汉语阅读理解问答系统发展的主要障碍。本文对于中文阅读理解语料库的构建过程进行了详细的介绍,包括语料选材、编写问句,标注答案句、语料加工和评测机制,尤其是基于汉语框架语义知识库对语料进行了框架元素、短语类型和句法功能三个层面标注的深加工技术。     

基于语义Web的受控自然语言系统推理模型

虽然相关研究组织提供了语义Web的一些简化工具,但是对不具备相关背景知识的领域专家来说,语义Web的可用性较低。提出了基于语义Web的受控自然语言系统推理模型,以解决这个问题。首先给出受控自然语言系统推理模型框架;然后分析受控自然语言的语言处理部分,提出基于WordNct的受控自然语言系统的本体词库模型和基于本体词库的受控自然语言解释器,把受控自然语言转换成中间表达语言篇章表述结构;最后通过推理部分把篇章表述结构转换成语义Web的本体和规则,通过模板工具映射成Jess的事实和规则,根据预定义的语义Web的公理和定理对受控自然语言进行推理。试验证明此模型大大提高了知识表示建模的效率,也基本满足简单推理任务,具有实用价值。     

基于本体的几何学知识获取及知识表示

文中研究了基于本体的几何学知识获取,并运用此方法获取几何学领域中的类、属性、关系及公理等;同时,研究了基于本体的知识表示,并将几何学知识转化为该领域本体,用RDF/OWL的形式进行描述.在此基础上构建了一个可共享、可重用、可扩展的几何学本体,形成了一套较完整的几何学知识获取和知识表示体系,将其应用于建立几何学知识库,可大大提高知识搜索和知识推理的效率,并为几何学专家系统、几何学信息检索、几何学教育系统、自然语言理解等领域提供智能基础.     

基于概念图的中文信息自动转化技术研究

概念图是一种基于语言学、心理学、哲学为一体的一种知识表示方法,目前主要应用于自然语言处理、知识获取、规划及推理等方面。在哈工大IR-Lab资源基础之上,并结合《知网》的世界知识信息,基于概念图理论提出了一种中文文本信息自动转化为概念图的实现方案。可以实现从中文文本直接转化到概念图结构。     

NL ∩ IR: Natural language for information retrieval

Neither natural language processing nor information retrieval is any longer a young field, but the two areas have yet to achieve a graceful interaction. Mainly, the reason for this incompatibility is that information retrieval technology depends upon relatively simple but robust methods, while natural language processing involves complex knowledge-based systems that have never approached robustness. We provide an analysis of areas in which natural language and information retrieval come together, and describe a system that joins the two fields by combining technology, choice of application area, and knowledge acquisition techniques.