基于问句语义表征的中文问句相似度计算方法

提出了一种中文问句语义相似度计算的新方法.该方法分为两步:第一步采用基于问句句型模板规则匹配的方法提取问句语义表征;第二步根据问句语义表征计算问句语义相似度.采用该方法开发了一个面向常问问题集(FAQ)的问答系统.实验结果表明,采用该方法获得的相似度计算的准确率约为85%.     

基于描述逻辑的语义Web本体研究

语义Web出现的目的就是为了解决机器和人对知识的理解的问题,首先需要解决的问题就是计算机对知识的理解问题,只有计算机理解了所建立的知识,才能在此基础上展开推理服务。首先讨论了传统知识表示方式的缺陷,然后对本体论的逻辑基础———描述逻辑进行了研究。由于OWLDL和描述逻辑的一致关系,因此使用OWLDL来表示本体。介绍了描述逻辑推理系统RACER。最后提出了解决本体层知识表示方法的解决方案。     

基于Agent的语义Web服务框架及其逻辑描述

通过研究Agent技术与语义Web服务技术在应用中结合的方式和Agent在语义Web服务技术体系中需要扮演的角色,以及Agent与语义Web服务结合的具体实现,提出了一种基于Agent的语义Web服务框架。在此框架的原理基础上,利用扩展逻辑C＆L意图理论描述了框架中Agent的工作过程以及语义Web服务的内容。     

基于描述逻辑的语义Web服务动态复合推理和验证

描述逻辑具有良好的知识表示能力和强大的推理能力,AI规划具有良好的行为状态变化建模能力。将描述逻辑与AI规划相结合,提出一种基于描述逻辑的语义Web服务动态复合机制,并对其进行逻辑证明。     

语义网中模糊本体的描述逻辑

为了使用语义网上的表达能力强的模糊知识来表示、推理模糊本体,我们将提出一种新的基于描述逻辑的模糊扩展,称之为带比较表达式的模糊描述逻辑（FCDLs）。FCDLs的语法和语义有标准化的定义,并且,FCDLs的公理和断言也有明确的指定。FCDLs结合模糊描述逻辑（FDLs）的模糊概念和扩展的模糊描述逻辑（EFDLs）的削减概念。因此,FCDLs可以使用语义网上的模糊知识来表示、推理模糊本体。     

图书信息领域中文问句浅层语义分析技术

阐述了面向开放领域和受限领域中文问句处理方法的异同,讨论了在受限领域(图书信息领域)中文问句处理的思路.在当前汉语言句法分析技术尚无法达到应用级别水平的前提下,提出了基于语义块识别的中文问句浅层语义分析技术.给出了语义块的定义、规约规则以及问句向量的生成方法,最终实现对中文问句的浅层语义挖掘,以满足实际应用的需要.实验证明,该方法在语料较为稀疏时,具有良好的效果.     

基于E-Chunk的问句实例分析系统

分析中文问句的结构特点,研究处理问句需要解决的问题,提出一种基于语义块实例分析问句的新方法.采用语义块向量表示问句实例,比较输入问句和问句实例库中问句实例的相似性.在语义块向量结构相似的基础上计算问句的相似度.测试结果表明,该方法可行,准确率和召回率可分别达到82.05%和91.95%,该方法对问句分析系统的设计具有借鉴意义和继续深入研究的价值.     

基于动态描述逻辑的语义Web服务PE匹配算法

将基于描述逻辑断言构成的PE描述公理的有限集合看作一个本体知识库,因此有关PE的语义匹配问题就转化到两个基于描述逻辑的本体知识库之间的逻辑蕴含判定问题,然后将逻辑蕴含推理问题转化为本体库的可满足性检测问题,并通过可判的扩展算法解决,同时对匹配结果进行有意义的排序及分类.所提方法与现有方法相当的情况下,具有更高的查全率,能够更好地区分匹配结果.     

C-SHOIQ:描述逻辑SHOIQ的云扩展

鉴于经典描述逻辑不能表达不确定知识,文中将云模型、描述逻辑SHOIQ和模糊逻辑相结合,提出了一种基于云的模糊描述逻辑C-SHOIQ,用于表达不确定知识.首先给出了C-SHOIQ的语法和语义,并以实例分析了C-SHOIQ具有处理知识的随机性和模糊性的能力;然后给出了C-SHOIQ的推理方法及映射C-SHOIQ知识库为经典SHOIQ知识库的改进规则,并论证了C-SHOIQ和对应的经典SHOIQ之间概念可满足性的一致性关系;最后论证C-SHOIQ是对模糊SHOIQ表达能力的扩展.     

Cloud-SHOIQ: 描述逻辑SHOIQ的云扩展

经典描述逻辑是本体的重要表示方式,但不能表达不确定知识.分析了扩展描述逻辑表达不确定知识的研究现状及存在的问题,通过结合云模型(Cloud model)、描述逻辑SHOIQ及模糊逻辑提出了一种基于云的模糊描述逻辑C-SHOIQ表达不确定知识,给出了C-SHOIQ的语法、语义,并以实例分析了C-SHOIQ具有处理知识的随机性和模糊性的能力.给出了C-SHOIQ的推理方法,及映射C-SHOIQ知识库为经典SHOIQ知识库的改进规则.分析说明了C-SHOIQ是对模糊SHOIQ表达能力的扩展.     

知网、HNC和框架网的语义知识表示异同

语义知识的表示和使用是自然语言处理的重要方面.知网从描述词语之间的关系以及属性之间的关系入手建立了中文词语语义知识的表示方法.HNC设计了语义概念基元和语句基元,形成了自然语言的概念空间,用基元描述语句理解处理中知识.不同于以上两种方法.框架网则是根据单词的不同的义项对应不同的语义框架,用不同的语义唤醒激活不同的框架,从而理解词语的语义.在此比较了三者在语义知识表示方面的异同.     

基于HNC词的聚类

针对文本分类和信息检索中的信息冗余和计算复杂等问题,在概念层次网络的基础上,提出了反义词、同义词、近义词的聚类算法.算法的基本思想是将词语的语义映射到HNC概念符号体系上,将所有的词语都变成一系列符号串,并在计算语义相似度和语义距离的基础上,在词语的HNC符号语料库上实现同义、近义、反义的聚类.     

基于句型系统的中文问题理解研究

提出了一种基于向量空间模型的句型识别方法,该方法通过基于句型模式的问句句法树规约,得到句子关于句型模式的句型结构,再计算句型结构与句型模式之间的相似度来实现问句的句型识别.并在汉语疑问句句型系统的基础上,通过句型识别实现了对问题的分类和问题理解.测试结果表明,该方法提高了问题理解的准确度.     

基于HNC理论的一种词汇歧义消解规则

同型岐义的消解问题是自然语言处理中必须面对的一个难题，同型岐义的消解策略的研究和水平的提高，将极大地提高中文信息处理的水平。本文介绍了HNC理论的“同行优先规则”，并举例说明了该规则在词汇岐义消解中的应用。     

基于语义扩展的句子相似度算法

现有的句子相似度计算方法仅考虑句子的依存关系或者组成句子的词性、词序、词义等信息,没有考虑到整个句子的语义信息,文章提出了一种基于语义扩展的句子相似度计算方法,解决了句子相似度计算时忽略句子语义的问题。利用搜索引擎对句子语义扩展,从而将简短的句子转化为长文本,然后使用主题模型对长文本进行特征提取,即将句子的相似度计算转化为求两个句子的语义间的差别运算。实验结果表明,基于语义扩展的句子相似度计算准确率能达到87%,而且计算结果符合常识判断。     

面向语义Web的直觉模糊粗描述逻辑

分析了面向语义Web的直觉模糊粗描述逻辑的研究现状和存在的问题,基于(I, T)-直觉模糊粗集理论将直觉模糊描述逻辑和粗描述逻辑进行了集成,即提出了一种新的直觉模糊粗描述逻辑．针对与本体语言OWL 2等价的描述逻辑SROIQ(D),对SROIQ(D)进行了扩充,具体提出了直觉模糊粗描述逻辑IFRSROIQ(D),给出了IFRSROIQ(D)的语法、语义和性质,证明了IFRSROIQ(D)的推理问题（包括知识库可满足性、概念可满足性、概念包含、逻辑推导、ABox一致性推理等）都可以归约到基于完备格的描述逻辑L*-SROIQ(D)上对应的推理．     

基于问句相似度的本体问答系统

本体问答系统需要实现从自然语言问句到本体查询语句的转换,目前的解决方法主要有自然语言接口和问句相似度方法。针对现有问句相似度方法在本体问答系统中应用的不足,设计了改进的相似度计算方法。通过建立常问问题的查询模式集合,综合考虑问句的统计、语义、结构特征计算目标问句的相似度,分别以自动选择和用户交互两种方式选择目标问句的查询模式,并将其转换成实际SPARQL查询语句,最终检索本体及抽取出答案。两种方式的准确率分别为83.8%和92.1%。     

基于HNC语境框架和情感词典的文本情感倾向分析

提出了一种基于情感词典和概念层次网络(hierarchical network concepts, HNC)语境框架的文本情感倾向性分析方法,将文本的情感倾向分析分为两个阶段:特征词、语句和句群判定阶段;基于HNC语境框架的句与句群情感分析阶段。首先以HowNet情感词典和自建的形容词配价词典(valency dictionary of English adjective, VDEA)作为基础词典资源进行文本特征词匹配,在此基础上基于HNC语境框架进行文本的情感倾向性判定,融合情感词典资源与HNC语境框架的独特优势,从特征词语情感分析入手,以包含特征词的语句及句群为情感分析重点,进而确定文本的情感倾向性,体现了HNC “有所为有所不为” 的思想。为验证方法的有效性,文本分别对政治、经济、体育与影视评论等领域文本进行测试,从实验结果可以看出商品评论以及影评类的文本情感识别率相对较高,而政治与体育类识别率低,但基本达到了预期实验效果,从而验证了本方法的可行性。