基于结构语义熵的网上商品信息提取系统

目前网上销售已成为一种重要的商品销售途径,其中商品网页信息提取是商品发布信息监测、商品比价等应用的技术基础。传统的网页信息提取系统在提取这些商品信息时存在人工干预过多和提取数据的针对性不强的问题。针对商品销售网站数据的具体表现形式,提出了一种基于结构语义熵的商品信息提取算法。该算法结合了商品的语义特征和网页的结构表现形式,可以实现全自动的网页商品提取。并通过实验证明了算法的有效性,和其在网上商品销售领域的普适性。

一种语义熵的社区划分模型及其应用研究

根据复杂网络中整个网络由若干个社区组成和用户通常只对少数主题感兴趣的事实,通过社区语义熵和社区间语义间熵,提出了一种基于语义信息的社区结构划分模型,将网络划分为几个语义社区,并将其应用在服务注册中心的具体问题中,同时通过社区负载容量等参数进行了实验分析。实验结果表明,该模型充分考虑到了社区间的语义特性,在应用中效率有显著提高,为语义社区结构中的服务注册中心部署提供了新的途径。

基于改进语义熵最大化模型的服务发现算法

语义匹配与发现是语义Web的核心内容之一。提出一种新的基于语义熵的服务发现与匹配算法。该算法通过引入语义熵的概念,把最大熵原理运用到语义识别与匹配领域,并对传统的熵最大模型进行了经验修正。通过实验对比分析,可以看出修正后的最大熵模型在服务发现计算方面具有较好的性能,该模型在一个真实的中文语义Web的语义识别项目中得到了应用,也体现出较好的精确度和性能。

语义通信的数学理论

自从1948年经典信息论诞生以来,在其指导下,现代通信技术已经逼近了理论性能极限,例如信息熵H(U)、信道容量C=max_(p(x))I(X;Y)以及率失真函数R(D)=min_(p(x|x):Ed(x,x)≤D)I(X;X)。长期以来,由于经典信息论只研究语法信息,限制了通信科学的进一步发展。近年来,研究语义信息处理与传输的通信技术获得了学术界的普遍关注,语义通信开辟了未来通信技术发展的新方向,但还缺乏一般性的数学指导理论。为了解决这一难题,构建了语义信息论的理论框架,对语义信息的度量体系与语义通信的理论极限进行了系统性阐述。首先,通过深入分析各类信源的数据特征,以及各种下游任务的需求,总结归纳出语义信息的普遍属性——同义性。由此指出语义信息是语法信息的上级概念,是许多等效或相似语法信息的抽象特征,表征隐藏在数据或消息背后的含义或内容。将语义信息与语法信息之间的关系命名为同义映射,这是一种“一对多”映射,即一个语义符号可以由许多不同的语法符号表示。基于同义映射f这一核心概念,引入语义熵H_(s)(U)作为语义信息的基本度量指标,表示为信源概率分布与同义映射的泛函。在此基础上,引入上/下语义互信息I^(s)(X;Y)(I_(s)(X;Y)),语义信道容量C_(s)=max_(f_(xy))max_(p_((x)))I^(s)(X;Y)以及语义率失真函数R_(s)(D)=min_({f_(x),f_(x)})min_(p(x|x):Ed_(s)(x,x)≤D)I_(s)(X;X),从而构建了完整的语义信息度量体系。这些语义信息度量是经典信息度量的自然延伸,都由同义映射约束,如果采用“一对一”映射,则可以退化为传统的信息度量。由此可见,语义信息度量体系包含语法信息度量,前者与后者具有兼容性。其次,证明了3个重要的语义编码定理,以揭示语义通信的性能优势。基于同义映射,引入新的数学工具——语义渐近均分(AEP),详细探讨了同义典型序列的数学性质,并应用随机编码和同义典型序列译码/编码,证明了语义无失真信源编码定理、语义信道编码定理和语义限失真信源编码定理。类似于经典信息论,这些基本编码定理也都是存在性定理,但它们指出了语义通信系统的性能极限,在语义信息论中起着关键作用。由同义映射和这些基本编码定理可以推断,语义通信系统的性能优于经典通信系统,即语义熵小于信息熵H_(s)(U)≤H(U),语义信道容量大于经典信道容量C_(s)≥C,以及语义率失真函数小于经典率失真函数R_(s)(D)≤R(D)。最后,讨论了连续条件下的语义信息度量。此时,同义映射转换为连续随机变量分布区间的划分方式。相应地,划分后的子区间被命名为同义区间,其平均长度定义为同义长度S。特别是对于限带高斯信道,得到了一个新的信道容量公式C_(s)=B log[S^(4)(1+P/N_(0)B)],其中,平均同义长度S表征了信息的辨识能力。这一容量公式是经典信道容量的重要扩展,当S=1时,该公式退化为著名的香农信道容量公式。综上所述,语义信息论依据同义映射这一语义信息的本质特征,构建了语义信息的度量体系,引入新的数学工具,证明了语义编码的基本定理,论证了语义通信系统的性能极限,揭示了未来语义通信的巨大性能潜力。

面向6G的语义通信

6G移动通信的高可靠、高频谱效率传输需求对于经典信息论指导下的传统通信技术构成了挑战,提取信源语义特征进行编码传输的语义通信技术,为6G移动通信提供了新型解决方案。首先简述了语义信息论基本观点,探讨了语义信息的度量——语义熵,然后提出了语义通信的系统框架,针对文本与图像信源,分别设计了语义编码方案,并与传统编码方案进行对比分析。语义通信方案能够显著提高传输可靠性与链路频谱效率,在未来6G数据传输中有重要的应用前景。

基于多维语义的互联网药品信息提取方法

提出了基于多维语义的互联网药品信息提取方法,构建语义词典通过从多个维度对互联网药品知识进行描述,克服了不同来源网页之间的异构性并找出了其隐藏的共性。同时,采用了基于结构语义熵的方法对目标网页信息聚集区域进行定位,从中提取感兴趣的药品信息。最后再通过语义词典对提取的信息进行验证并自动生成XPath提取规则进行补充。该方法能够自动有效地从互联网的多个信息来源获取药品信息,实验证明其具有较高的准确性与召回率,可以为政府相关部门加强互联网药品市场监管提供足够的信息依据。

面向智能任务的语义通信:理论、技术和挑战

未来机-机、人-机万物智能互联对传统通信方式提出了挑战,提取信源语义信息进行传输的语义通信方法为6G提供了新的解决方法。首先,综述了语义通信的发展历程和研究现状,分析了语义通信目前面临的两大瓶颈问题,提出了面向智能任务的语义通信架构,给出了面向智能任务的语义信息熵和语义信道容量的度量方法;其次,针对不同的智能任务,分别提出了语义编码和语义联合信源信道编码方案;再次,搭建了语义通信平台,对所提方法进行实验验证;最后,对语义通信未来的挑战和开放性问题进行了总结。语义通信方法相较于传统通信方法可以大大降低传输数据量和传输时延,将在未来万物智联的通信中发挥重要作用。

相似青梅品级半监督智能反馈认知方法研究

相似水果的大量存在和标注困难是导致误识的主要原因。仿人认知模式提出了一种基于深度集成学习的相似青梅品级智能反馈认知方法。首先基于半监督学习标注无标签样本以扩充训练样本集;基于具有充分可分性的自适应架构卷积神经网络,从信息论角度建立认知智能决策信息系统,将约简的多层面局部差异特征空间送入集成分类器;基于语义熵测度指标实时评测相似青梅品级的不确定认知结果,自寻优交替调节认知精度、网络层级和中和因子。3 000幅相似青梅图像的平均识别率为98. 26%,表明方法可以有效认知相似青梅品级,为后续在线分拣系统提供理论支持。

基于深度学习的青梅品级半监督智能认知方法

针对水果品级监督学习认知方法中样本获取困难、特征空间充分性表征和分类器能力不足的缺陷,模仿人反复推敲比对的信息交互模式,提出一种基于深度学习的青梅品级半监督智能认知方法。基于半监督学习扩充训练样本库,从信息论角度建立多层面特征充分表征的青梅品级认知智能决策信息系统;基于具有充分表征性的自适应架构卷积神经网络和随机配置网络,建立青梅图像由全局到局部多层面充分表征特征空间和具有万局逼近能力的分类准则;基于广义熵理论,建立青梅图像认知结果的语义熵测度评价指标;构建基于不确定认知结果熵测度指标约束的特征空间和样本信度自寻优反馈调节机制。仿真实验表明,该方法青梅品级平均识别率为98. 2%。

基于深度迁移学习的大雾等级智能认知方法研究

已有雾气检测模型存在缺陷以及深层神经网络优化存在困难。模仿人类认知模式,借鉴迁移学习和闭环控制理论思想,探索了一种基于动态交错组卷积的雾气等级智能认知方法。首先,构建交错组卷积层以降低卷积运算的通道冗余;其次,构建可区分性测度指标和认知决策信息系统,获取雾气图像多层次差异化简约特征空间数据结构;再次,设计深层随机配置网络分类器,构建具有强泛化能力的分类准则;最后,基于广义误差和熵理论,仿人类反复推敲比对的认知模式实时评测雾气等级认知结果的可信度,基于迁移学习机制实现雾气图像多层次差异化特征空间及其分类准则的自寻优重构,对可信度低的雾气图像进行再认知。15 000幅大雾图像的平均识别率为95.98%,实验结果表明,所用方法与其他算法相比,增强了模型的泛化能力,提升了模型的认知精度。

基于深度迁移学习的回转窑燃烧状况智能感知

针对回转窑燃烧状况的认知问题,探索了一种基于深度迁移学习的回转窑燃烧状况智能感知机制和计算方法。首先,采用自优化调节的机制构建卷积神经网络的架构(ASCNN,adaptive structure convolutional neural networks),建立火焰图像由全局到局部具有确定映射关系的非结构化动态特征空间。其次,基于特征可区分性测度指标和变精度粗糙集理论,从信息论的角度在不确定信息条件下,面向可区分性约束条件,建立自优化特征表征的回转窑燃烧状况认知决策信息系统,增强燃烧状况非结构化简约可分特征空间的可解释性。再次,构建具有万局逼近能力的随机配置网络分类器(SCN,stochastic configuration networks),建立火焰图像燃烧状况的分类决策准则。最后,构建语义误差熵评测指标,实时测量火焰图像燃烧状况认知结果的不确定性,构建基于不确定认知结果测度指标约束的动态迁移学习机制,实现燃烧状况多层次差异化特征空间及其分类准则的自寻优调节和重构。实验结果表明了所构建的基于深度迁移学习的火焰图像燃烧状况智能感知模型较已有方法对水泥回转窑燃烧状况精确认知的可行性和优越性。

AN EME BLIND SOURCE SEPARATION ALGORITHM BASED ON GENERALIZED EXPONENTIAL FUNCTION

This letter investigates an improved blind source separation algorithm based on Maximum Entropy （ME） criteria. The original ME algorithm chooses the fixed exponential or sigmoid ftmction as the nonlinear mapping function which can not match the original signal very well. A parameter estimation method is employed in this letter to approach the probability of density function of any signal with parameter-steered generalized exponential function. An improved learning rule and a natural gradient update formula of unmixing matrix are also presented. The algorithm of this letter can separate the mixture of super-Gaussian signals and also the mixture of sub-Gaussian signals. The simulation experiment demonstrates the efficiency of the algorithm.

基于本体的融合知识测度分析

针对知识融合产生的新知识规模庞大的问题,提出一个基于本体的融合知识测度指标.利用默认关系强度分析知识单元之间融合的紧密程度,根据词汇链的构建规则定义语义相关度,由概念本体树的语义距离计算概念之间的语义相关度,并运用最大熵模型分析融合知识的语义熵.分析知识元素属性值对融合知识的影响,确定其相应效用权重系数;综合上述指标构建对融合算法具有特定趋势指导作用的融合知识测度,并分析该测度指标对称性、确定性、非负性和扩展性等性质.应用实例表明了所提出指标的有效性,并进一步说明了融合知识测度在知识评价体系中的重要作用.