人工智能中的上下文推理

对上下文推理的原理和形式进行了阐述,讨论了上下文推理的形式化问题,并给出一个利用MCS对问题进行形式化表示和求解的实例。     

基于情感上下文的语音情感推理算法

针对前后相邻情感语句的情感变化存在相互关联的特性,提出基于情感上下文的情感推理算法.该算法首先利用传统语音情感特征和上下文语音情感特征分别识别待分析情感语句的情感状态,然后借助情感交互矩阵及两类情感特征识别结果的置信度对待测试语句的情感状态进行融合推理.在此基础上,建立语音情感上下文推理规则,利用该规则根据相邻语句的情感状态对待分析情感语句情感状态进行调整,最终得出待分析情感语句所属的情感类别.在自行录制的包含6种基本情感数据库上的实验结果表明,与仅采用声学特征的方法相比,文中提出方法平均识别率提高12.17%.     

智能空间中上下文推理问题的研究

针对以往上下文推理方法中上下文描述能力差、解决不确定性问题能力低下的现状，提出了一个新的上下文表示和推理的方法。该方法通过用陈述性表示方法描述上下文，提高了上下文的描述能力；用基于规则的逻辑推理方法提高了解决不确定性问题的能力；且该方法将求解问题的复杂度控制在合理的范围内。最后，文中通过实例证实了该方法的可行性。     

上下文推理技术在智能家庭中的研究与应用

针对智能家庭具有预感知能力、可以为用户提供主动的智能服务的特点,建立一个智能家庭本体模型,利用Jena框架的推理接口实现上下文的基本推理,通过在推理层和知识库之间增加一个上下文过滤器,有效过滤掉推理过程中产生的无用数据。实验结果验证了规则推理在智能家庭中的可行性和有效性。     

基于上下文的知识表示和推理--人工智能的观点

本文中,我们从知识表示和推理(KRR)的角度概括地阐述了上下文推理的概念和基本原理。首先阐述了上下文的概念;然后介绍了上下文推理的三种基本形式和上下文理论的两个基本原理,也就是局部性原理和一致性原理;接着讨论了上下文推理的形式化问题;最后通过对一个叫“魔术盒问题”的求解来展示如何利用多上下文系统MCS对问题进行形式化表示和求解。     

基于本体映射和规则推理的排课模型研究

对排课问题进行了描述,给出了解决排课问题的多种排课方法,并且对这些排课方法进行了分析和比较。在排课模型中运用本体知识创建了OWL排课本体,运用本体映射方法达到数据的同步,运用SWRL语法对本体进行约束,运用规则推理引擎JESS进行推理,结合排课算法给出了整体的排课模型架构。     

基于目的和上下文推理的数据库访问控制模型

在信息技术高速发展的今天,作为存储数据最有效的工具,数据库存储了大量与用户个人隐私相关的数据。由于每个人对于隐私信息的保护程度不同,传统数据库访问控制无法保证隐私数据的安全,从而产生了基于目的的访问控制模型。现有的基于目的访问控制模型主要针对数据与允许目的的动态绑定方式进行研究,考虑用户与访问目的的动态分配的研究较少。在过去研究的基础上,提出了一种基于目的和上下文的访问控制模型,模型使用规则推理机制,以用户的上下文信息作为规则触发条件,动态地为用户分配访问目的。实验结果表明,该模型不仅弥补了现有模型的缺点,而且能够高效地控制用户对数据库中隐私数据的访问行为。     

基于帧图像语义上下文的地形推理策略

基于场景帧图像语义上下文概念,提出一种融合不同场景时空信息的自适应在线地形推理策略TIBSC(Terrain Inference Based on Semantic Context).首先,提取不同场景图像近视场像素的特征向量和地形类别,构建地形样本候选数据库;然后,从地形样本候选数据库中选取与当前场景图像远视场区域语义上下文最相似的若干帧地形样本,构建当前场景地形判别数据库;最后,基于当前场景地形判别数据库及贝叶斯法则,对当前场景远视场区域像素所属地形类别进行推理.基于数据集的仿真实验表明:在影响TIBSC推理精度的所有因素中,基于语义距离准则的最优样本选择以及样本数据的在线扩充两大模型变量起主导作用.同时,基于相同分类特征的TIBSC策略在推理精度上优于同类研究结果.     

基于交互上下文的预测方法

传统的上下文预测是在单用户的上下文基础上进行的,忽视了实际普适计算环境中由于用户交互活动导致的上下文变化因素。为了合理、有效地解决上述局限性问题,该文提出基于交互上下文的预测,给出交互上下文及交互上下文预测的概念,以及相关的建模、推理算法。     

基于本体的大规模定制产品配置模型

依据产品配置领域的相关知识,提出一种基于本体的大规模定制产品配置概念模型,其中包括配置类型和约束类。定义模型中每个概念及其关系,运用Web本体语言对其进行形式化的描述,使用语义Web规则语言表达特定的约束规则,基于Protégé对该模型进行有效性检验。     

基于本体的图像情感语义识别研究

抽取图像颜色、形状、纹理特征,通过本体映射,建立本体表示的图像情感特征库。以中国情感图片系统作为训练样本,挖掘图像特征与情感之间的关联关系,并通过语义网规则语言SWRL（Semantic Web Rule Language）表示关联规则,建立情感映射规则库。情感推理引擎使用情感映射规则对图像特征进行推理,达到识别图像情感语义的目的。     

电子目录的SWRL规则研究

随着电子商务网站和在线商品数量不断增加,电子目录技术变得越来越重要。现有电子目录及标准只是产品分级概念和属性的结合,不能进行基于规则推理的智能化服务,使用SWRL编写电子目录本体的产品关联规则,可以更好地提供基于规则推理的电子目录服务。主要在电子目录标准、本体论和语义Web研究基础上,利用SWRL语言的逻辑表达能力,来构造与研究电子目录本体的SWRL规则,并对产品配置规则,规则推理做出探讨。     

基于本体模块接口的入侵防御系统研究

建立一种新型分布式入侵防御模型并进行应用示例,该模型的知识库采用基于接口的模块化本体,防御方法采用上下文相关的策略。模块化本体能有效克服单一本体推理效率低、扩展性差等缺点,而在模块化本体中采用接口的方法有利于模块的独立进化和灵活配置。本体模块通过发送事件消息能够高效、及时地进行知识更新。     

自定义SWRL知识图谱推理补全插件的实现

知识图谱是人工智能应用的基石,基于规则进行推理是知识图谱知识补全的重要方式。SWRL推理插件的局限性成为了知识推理补全的瓶颈。打破了SWRL有限的推理能力,论述了在SWRL规则中编写自定义知识推理插件,并在知识图谱建模和推理工具中实现对自定义插件推理支持的方法。介绍了知识图谱知识建模和推理的方法与工具,结合一个具体的知识补全需求建模了包含自定义知识推理插件的SWRL推理规则;在Pellet推理机中实现和注入了此自定义推理插件的推理支持源码,并通过与Protégé知识建模工具进行集成从而完成知识补全需求;应用包含自定义插件的SWRL推理规则完成了老人健康小屋物联网系统资源组成和资源故障诊断的知识补全。以此论述了使用SWRL自定义知识推理插件进行知识图谱知识补全的方法和实践。     

用于应急指挥的知识推理技术研究

针对迫切需要为现有应急管理和指挥工作提供及时、有效的辅助决策功能的问题,深入分析应急业务流程, 从将智能技术与行业应用相结合的角度出发,对知识推理技术进行了研究,包括知识获取、知识表示、推理机制等,提 出了基于智能辅助决策的应急指挥系统。在实际项目中的应用结果表明,该方案具有行业化程度高、自适应能力强等 特点,能够满足应急指挥工作在智能化方面的要求。     

基于SWRL的网络管理信息定义

针对当前现有的网络与系统管理信息定义语言种类多、语义和规则描述能力弱的缺陷,提出了一种在基于本体的网络管理框架中使用语义网规则语言SWRL(SemanticWebRuleLanguage)定义网络管理信息的方法。通过本体语言从语义的层面整合现有的管理信息定义语言,使用RuleML(RuleMarkupLanguage)定义管理行为的规则,提高了网络管理信息定义的表达力,为智能网管奠定了基础。     

基于规则推理的军事概念模型验证方法研究

针对现有的概念模型形式化验证方法较复杂、非形式化验证方法的主观性较强, 提出了一种基于规则推理的军事概念模型验证方法, 并详细介绍了该方法的原理、框架、实施步骤、验证内容和验证规则。该方法的实质是利用验证规则和推理机代替领域专家, 在计算机上实现概念模型语义验证的自动化。它可以降低形式化验证方法的复杂性, 减少非形式化验证方法的主观性和不确定性, 提高概念模型验证的质量和效率。     

基于语境和动作推理的语义Web服务发现

在语义Web服务发现中,服务本身及用户所处的语境是不可忽视的因素.针对现有服务发现方法的不足,给出一种基于语境和动作推理的语义Web服务发现方法.该方法通过建立基于动作的语境模型来刻画静态和动态的语境信息,利用动态描述逻辑中的动作推理实现语境推理,并在此基础上实现语境敏感的语义Web服务发现算法.案例研究及相关工作对比表明,与现有方法相比,文中方法在语境刻画和推理能力方面均有较优表现.同时实验结果也表明,在增加合理逻辑推理的时空开销的前提下,文中方法能为用户提供更符合需求的服务发现结果.     

基于上下文感知的智能交互系统模型

上下文感知是提高人机交互智能性的重要途径,上下文信息能否在计算过程中真正发挥其作用主要取决于两个方面：一是从交互环境中提取和形成上下文;二是协调控制各种上下文与高层应用之间的通信．文中围绕这两个问题展开讨论,提出了一种上下文感知和调度的策略,并建立了一个基于上下文感知的智能交互系统结构模型．介绍了按照所述策略和模型构建的实例系统,初步证明了其合理性和有效性．