基于語義網絡的知識協(xié)作關鍵技術研究.pdf_第1頁
已閱讀1頁,還剩201頁未讀 繼續(xù)免費閱讀

下載本文檔

版權說明:本文檔由用戶提供并上傳,收益歸屬內容提供方,若內容存在侵權,請進行舉報或認領

文檔簡介

1、語義網絡是一種重要的知識表示和知識處理方法?;谡Z義網絡的知識智能在專家系統(tǒng)、商業(yè)智能、智能Agent、互聯(lián)網語義搜索等多個方面都有廣泛的應用。本論文以基于語義網絡的知識協(xié)作作為應用背景,研究語義網絡知識智能的緊密關聯(lián)的三個方面的課題:語義網絡復雜知識表示、語義網絡知識智能處理、語義網絡知識的自然語言輸入和輸出。首先,本論文研究了語義網絡上的復雜知識表示,形式化定義了語義樹、語義格、語義星等各種語義網絡拓撲結構,提出了一種抽象關系結構模

2、型和一種新的稱為抽象語義網絡的復雜知識表示方法。抽象語義網絡的主要特點是在語義網絡上建立一個子網到一個節(jié)點的關聯(lián)映射,可以表示語義網絡上的子網與節(jié)點、子網與子網之間的關系,從而可以靈活、方便、統(tǒng)一地表示事件、變化、規(guī)律、信念等復雜知識,并有望擴展到過程、計劃的表示。在抽象語義網絡的基礎上,本論文研究了語義網絡上的圖變換的特殊要求,分析了過往的圖文法和圖重寫實現(xiàn)技術,在算法圖重寫(algorithmicgraphrewriting)圖文法

3、的基礎上改進提出了一種新的圖文法,稱為通用圖文法,很好適應了語義網絡圖變換的要求,并利用通用圖文法來表示語義網絡推理規(guī)則。其次,本論文研究了語義網絡上基于圖匹配和圖變換的知識處理。研究分析了圖匹配問題的特性,分析了語義網絡上的圖匹配問題的特殊要求,提出了一種新的標記圖匹配快速算法,稱為GraphExplorer(GE)算法。GE算法是一種非索引的基于樹搜索的圖匹配算法。但不同于傳統(tǒng)樹搜索圖匹配以節(jié)點匹配為中心,GE算法針對語義網絡作為一

4、種標記圖的這個特點,以邊匹配為中心。GE算法將模式圖轉換為一條盡量連續(xù)的路徑,這樣即能夠有效的制導匹配子狀態(tài)搜索,減少無效狀態(tài)訪問,又能夠通過狀態(tài)繼承大大減少標記匹配檢查次數(shù)。GE算法還通過智能回溯來進一步有效避免無效狀態(tài)訪問。實驗顯示GE算法時間、空間性能較之類似算法,如著名的VF2算法,有較大提高。此外GE算法還將傳統(tǒng)算法的遞歸函數(shù)調用改為搜索狀態(tài)隊列,從而避免了傳統(tǒng)算法的堆棧溢出問題,健壯性也得到提升,將可處理的模式圖的大小提升到

5、10000節(jié)點。在GE算法與其他類似的基于樹搜索的圖匹配算法的性能對比測試實驗中,本論文還提出一種新的利用搜索狀態(tài)數(shù)目和標記檢查次數(shù)作為此類圖匹配算法的性能的衡量標準。該評價標準與平臺和實現(xiàn)無關的,提高了這類算法之間的可比性。本論文將抽象語義網絡、GE圖匹配算法和基于通用圖文法的圖變換應用于語義網絡的知識處理,實現(xiàn)了語義網絡上的查詢、推理、識別等知識智能功能。本論文研究了語義網絡的知識合并與知識一致性維護問題,提出了一種語義網絡合并時推

6、理機制,同時提出了一種語義網絡元素級知識度量方法,并嘗試利用知識度量和知識貢獻度來解決圖變換的終結問題。接著,本論文研究了語義網絡的抽取和語義網絡自然語言理解,提出了一種新的面向語義網絡自然語言處理的文法,稱為語義網絡文法(SemanticNetworksGrammar,SNG)。SNG文法通過語義模式實現(xiàn)語義星拓撲結構與節(jié)點序列的流化和抽取,通過轉換生成和組合構造將語義樹與語言節(jié)點序列之間的流化和抽取轉換為多個語義星與語言節(jié)點序列之間

7、的流化與抽取,從而實現(xiàn)了語義網絡的語言理解和生成。SNG還通過模式網來確定語義模式應用的先后順序,規(guī)定了語義網絡語言理解中的結構歧義消解原則和語義網絡語言生成中的語句良構性的標準。SNG還將詞語作為一種語義模式。SNG文法將分詞、文法分析和語義理解統(tǒng)一在一個單一的框架之中。然后,本文研究了文法分析的過程模型和消歧問題,分析了分類結構文法的共同點,剖析了基于分類結構文法的自然語言理解從符號流識別出語言結構和語義結構的過程,形式化定義了結構

8、文法分析過程的語言格和語義格模型,指出了句法樹與語言格的關系。本文根據格模型分析了文法分析中結構歧義和分類歧義產生的原因和性質,給出上下文消歧的概率解釋,形式化分析了類型細分消歧的原理和有效性,并分析了細分類型消歧方案所引入的數(shù)據稀疏性問題。然后本文提出了面向語義網絡文法的層級分類概率上下文無關文法分析方法和一種層級分類概率上下文相關文法分析方法。該層級分類方法能夠充分利用語料庫提供的知識,很好地平衡過分類和欠分類之間的矛盾。本文還針對

9、結構文法分析的分類歧義提出了一種基于短語實例聚類的分類歧義消解方法和一種基于最大熵的局部分類消歧方法。最后,在賓州中文樹庫等語料庫上的實驗結果證明通過率與準確率比類似方法有所提高。本論文還研究了語義網絡語言生成課題,將SNG文法應用于語義網絡語言生成,提出了一種基于SNG語義網絡語言文法的SNLG方案。提出了基于語義模式網路徑搜索的語義網絡語言生成內容規(guī)劃和話語規(guī)劃方法。本論文介紹了語義模式和語義模式網在SNLG的語句規(guī)劃中的應用,設計

10、了一種語義星生成自然語言的平凡化方法和一種基于模式網路徑搜索為語義網絡標定語義模式的方法。本文還提出了一種改進的基于距離的SNLG的內容規(guī)劃方法,并提出了一種應用于SNLG話語規(guī)劃的新的平凡化時拆分和拆分時匯聚(splittingtimeaggregation)方法,提高了生成的語句的流暢性和可讀性。最后,論文綜合應用上述研究成果,實現(xiàn)了一種新的語義網絡中間件軟件組件,并在該語義網絡中間件的基礎上設計了一種全語義化的語義Wiki系統(tǒng)來作

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網頁內容里面會有圖紙預覽,若沒有圖紙預覽就沒有圖紙。
  • 4. 未經權益所有人同意不得將文件中的內容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內容本身不做任何修改或編輯,并不能對任何下載內容負責。
  • 6. 下載文件中如有侵權或不適當內容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論