语言学知识驱动的空间语义理解能力评测数据集研究

近20年来,深度学习技术显著提升了机器的自然语言处理能力,使之在诸多任务上接近甚至超过人类水平。机器学习的对象不再是直接来自人类语言学研究成果(知识),而是人类语言材料(数据)。在靠数据和算力驱动的大语言模型几近建成巴别塔的当下,语言学家通过深挖语言现象总结的语言学知识价值何在?本文提出从知识到数据的研究思路,设计了空间语义理解的6项任务:空间信息正误判别、异常空间信息识别、缺失参照成分补回、空间语义角色标注、空间表达异形同义判别、空间方位关系推理,以构建中文空间语义理解能力评测数据集为例,介绍从SpaCE2021到SpaCE2024数据集的设计思想、数据集制作概况以及机器在空间语义理解任务上的表现。总的来看,参加SpaCE赛事的大语言模型,在依赖表面分布特征(形式线索)的任务上容易获得好成绩,在依赖深层语义理解(认知能力)的任务上容易表现不好。因此,在人工智能高速发展使得语言学知识在计算机信息处理领域被动边缘化的当下,语言学知识的价值需要拓展,即用于指导小而精的高品质语言数据,以提升机器学习的效果和效率。为了计算应用的目的,语法研究应该在观察充分、描写充分、解释充分之上,追求更具挑战性的目标——生成充分。

语义理解与常识推理的机器表现和人类基线之比较——怎样评估ChatGPT等大型语言模型的语言运用能力?

本文讨论怎样通过跟人类基线的比较,来合理地评估ChatGPT等现代大型语言模型的语言运用能力。首先,用代词指称歧义和否定辖域问题测试ChatGPT,展示语言大模型在语义理解和常识推理方面的优秀表现;接着简介维诺格拉德模式挑战及其升级版本WinoGrande数据集,还介绍了我们对于这种类型的测试题和机器表现的评估方式的改进方案(把仅触发词不同的“句对”扩展为锚定词也不同的“句偶”,把机器表现跟人类被试的表现进行比较);然后介绍我们怎样用“句对”和“句偶”测试ChatGPT和人类被试,并且把人类和机器的表现进行对比,从而得出语言大模型的语言运用能力接近人类的结论。

融合语义理解的航站楼显示设备故障检测方法

针对航站楼内显示设备出现的故障画面,提出一种融合语义理解的故障检测方法。首先设计滚动文字拼接技术提取界面文字信息;然后根据机场业务背景融入语义规则,训练得到故障分类模型,实现对显示设备出现的非正常显示界面和显示信息歧义等故障的智能检测;最后使用神经网络模型压缩技术将模型轻量化并部署在SOM-RK3399嵌入式设备上。实验表明,融合语义理解模块的检测方法的分类准确率达到88.74%,该方法能够有效解决传统故障检测技术的不足,提高故障检测效率,减少人工检验情况。

基于语义理解的短视频一键成片系统设计与实现

介绍一个基于语义理解的一键成片系统,为市场营销和媒体短视频制作提供高效的短视频生成解决方案。对于市场营销类场景,系统能够快速生成风格统一、信息准确且视觉效果突出的产品宣传视频,以满足大规模的营销需求。在媒体类应用中,系统侧重于视频质量,通过语义理解生成脚本,并结合口播驱动的方式匹配相关视频素材,进而生成高质量的混剪短视频。该系统利用人工智能(Artificial Intelligence,AI)有效提高短视频的生产效率,降低了人力成本,激发视频制作的创意潜能。

基于数学学科知识的语义理解技术研究

随着人工智能技术的发展,数学学科知识智能化服务系统越来越多地成为数学教育的辅助工具。结合数学学科知识的特点,本文对数学学科知识中的语义理解技术和应用做总结说明。首先阐述和分析数学学科知识语义理解的技术框架,包含其语义理解过程中知识存储、知识抽取和知识推理等研究;然后阐述用于语义表达通用语料库和数学领域常见的垂直语料库;同时,从数学智能问答系统、自动判卷系统阐述语义理解在数学学科领域中的应用;最后从数学学科语料库、数学学科知识点标注等方面对语义理解的研究趋势作了展望。

基于语义理解的文本情感分类方法研究

文本情感分类方法在信息过滤、信息安全、信息推荐中都有广泛的应用。提出一种基于语义理解的文本情感分类方法,在情感词识别中引入了情感义原,通过赋予概念情感语义,重新定义概念的情感相似度,得到词语情感语义值。分析语义层副词的出现规律及其对文本倾向性判定的影响,实现了基于语义理解的文本情感分类。实验表明,该方法能有效地判定文本情感倾向性。

汉语动作成语语义理解激活脑区及其具身效应:来自fMRI的证据

动作语义理解脑区及前运动皮层是否有严格的对应关系一直处于争论中。这可能与使用不同的语义材料有关。本研究选取描述手部、面部、口部发音和脚部动作的汉语成语以及不包含动作的汉语抽象成语作为语义材料,要求被试完成Go/No go的语义判断任务,同时采用功能磁共振成像技术,考察在理解汉语动作成语时,人的脑区激活情况。结果显示,动作成语语义理解引起包括顶叶、额叶和颞叶等脑区的活动,说明汉语动作成语的语义脑区包括顶叶、额叶和颞叶;涉及身体不同部位的4类动作成语分别引起了顶叶和额叶感觉运动皮层的特异性激活。手部和脚部动作成语语义理解主要激活中央前回和前运动皮层;面部动作成语激活右侧额中回后部和背外侧前运动皮层;口部成语更多激活背外侧前运动皮层前部,右侧额下回的布鲁卡区。本研究的结果说明,汉语中涉及动作的成语语义理解脑区与负责相应动作的感觉运动脑区是拟合的,汉语动作成语语义理解表现出具身效应。

基于语义理解的文本相似度算法

相似度的计算在信息检索及文档复制检测等领域具有广泛的应用前景.研究了文本相似度的计算方法,在知网语义相似度的基础上,将基于语义理解的文本相似度计算推广到段落范围,进而可以将这种段落相似度推广到篇章相似度计算.给出了文本(包括词语、句子、段落)相似度的计算公式及算法,用于计算两文本之间的相似度.实例验证表明,该算法与现有典型的相似度计算方法相比,计算准确性得到提高.

时空数据语义理解：技术与应用

随着移动互联网的发展与手持智能终端的普及,海量带有用户时空属性的数据被生成.理解这些数据表达的语义信息对推测用户需求,分析用户偏好,进而提供精准时空推荐和预测服务具有重要作用.因此,近些年来,时空数据语义理解正成为时空数据挖掘领域的研究热点.从技术和应用两个层面,对近些年来国内外研究者在该领域的研究成果进行了系统的归类和总结.技术层面上,依据语义理解的不同任务,提出了时空数据语义理解的研究框架;并依次从地理位置语义理解、用户行为语义理解、热点事件语义理解3个主要任务,归纳了时空数据语义理解所包含的相关研究成果和关键技术.应用层面上,分别总结了时空数据语义理解在时空推荐和时空预测中的应用.最后,从数据质量、算法模型和计算模式3个方面,归纳了时空数据语义理解面临的主要挑战以及未来的研究方向.

首诊注意缺陷多动障碍儿童的语义理解与工作记忆

目的:探讨注意缺陷多动障碍(ADHD)儿童语义理解与工作记忆特点及其二者间的关系。方法:按照美国精神障碍诊断与统计手册第4版(DSM-IV)关于ADHD的诊断标准,纳入30例首诊未用药的ADHD儿童(年龄6~13岁),同时纳入性别、年龄相匹配的30例正常儿童作为对照组。采用中文版注意缺陷多动障碍评定量表-父母版(SNAP-IV)进行症状评估,采用中国修订韦氏儿童智力量表(CWISC)的词汇分测验和皮博迪图片词汇测验(PPVT)中文修订版进行语义理解测验,用数字广度测试言语工作记忆,心理旋转和点矩阵任务测试视觉空间工作记忆。结果:ADHD组词汇测验得分[(12.2±2.7)vs(14.4±2.9),P<0.05]、PPVT得分[(112.3±9.7)vs(117.5±8),P<0.05]均低于对照组;ADHD组数字广度-倒背[(3.9±1.4)vs(5.1±1.7),P<0.05]、心理旋转[(4.9±1.8)vs(6.0±1.7),P<0.05]及点矩阵任务得分[(2.7±1.4)vs(3.5±1.5),P<0.05]均低于对照组,数字广度-顺背两组差异无统计学意义(P>0.05);ADHD组词汇得分与心理旋转任务得分呈正相关(r=0.40,P<0.05),PPVT测试与工作记忆各测试结果的相关均无统计学意义(P>0.05),对照组词汇测验、PPVT测试与各项工作记忆测试结果的相关无统计学意义(P>0.05);ADHD组的注意缺陷、多动/冲动因子及其总分与点矩阵任务呈中度负相关(r=-0.56^-0.60,均P<0.05)。结论:首诊ADHD儿童存在语义理解缺陷和工作记忆损伤,视空间工作记忆可能对ADHD儿童的语义理解有干扰作用。

小学儿童分数概念语义理解水平及模式:基于潜在类别分析

分数符号在不同情境下分别指称部分-整体、测量、比、算子和商5种语义含义.使用分数概念语义理解测验,基于潜在类别分析方法,对295名小学六年级儿童的分数概念语义理解水平和模式进行评估.结果表明：（1）从不同语义含义的理解水平差异上看,由高到低为商、部分-整体、测量、比、算子;（2）从语义含义掌握模式来看,部分-整体、测量、比、算子均可分为掌握良好组和不良组两类.其中,在部分-整体和算子含义上,两组被试理解水平不同而模式类似,而在测量和比含义上,两组儿童理解水平和模式均有较大差异;（3）从各语义理解的掌握模式类别间关系来看,掌握良好组的归类一致性高于掌握不良组.

大脑理解语言还是身体理解语言——具身认知视角下的语义理解

具身认知强调身体感觉经验在概念形成和理解过程中的作用。概念符号的含义是建立在身体感觉运动经验基础上的。形象性概念学习过程中建立了感觉通道与运动脑区的特异性联结;抽象动词通过隐喻的方式,用较为熟悉的身体感觉经验映射和理解较为复杂的抽象概念。脑成像研究表明,动词语义理解与前运动皮层和主运动脑区存在特异性的对应关系,动作语义理解是具身的,大脑镜像神经系统和运动脑区模拟了概念中的动作,实现了动作语义的通达。从这个意义上说,语言的理解没有超越身体的物理经验,心理和身体是统一的。

农业文本语义理解技术综述

随着互联网和人工智能技术的发展,农业知识智能化服务逐渐承担起为农业生产管理提供有效技术指导的作用。本文对农业文本语义理解中的关键技术及应用进行综述。首先按照自然语言处理中基于规则、机器学习和深度学习的语义处理方法介绍其在农业领域应用的进展;然后阐述了针对农业知识特性的语义分析方法,涵盖农业文本分析主要过程的储存、表达、计算,包括农业知识图谱的知识抽取、融合、表示、推理,TF-IDF、Word2Vec、BERT等农业文本表示模型与CNN、RNN、Attention等分类模型;阐述了可用于分词、向量化表达等的通用语料库和农业领域常用语料库;从农业智能问答、农业语义检索、农业智能管理决策方面阐述语义理解在农业领域中的应用;最后从农业语料库标准化构建、语义理解模型复杂度、多模态语义处理、多区域多语言语义理解等方面对农业文本的语义理解研究趋势进行了展望。

一种基于语义理解的元搜索引擎的研究

通过对查询短语的结构分析,发现查询短语通常由关键词和特征词构成。特征词是对网页内容的概括,它预示着网页中包含一组特定的特征词条。基于该思想建立了面向Web网页内容的特征库。以元搜索引擎为研究对象,研究了以Web网页内容特征库为基础实现对查询短语进行语义理解的方法,提出了相关度级别的算法,对库中已收入的特征词进行了查询测试,查准率为86.7%。实验表明,该模型基本实现了对查询短语的理解,对提高搜索引擎的查准率有显著的效果。

3～4岁儿童的错误信念理解：补语句法，语义理解和工作记忆的作用

考察3～4岁儿童的错误信念理解中，补语句法，语义理解和工作记忆的作用。共有48名幼儿被试接受了错误信念，补语句法，皮博迪词汇一图片理解和工作记忆测试。结果表明，错误信念理解成绩和补语句法测试得分相关和偏相关显著。回归分析表明，补语句法测试成绩可以显著预测错误信念理解。语义和补语句法能够显著解释错误信念理解成绩的方差变异，同时补语句法可以解释语义对错误信念理解的作用。本研究支持补语句法在错误信念理解中的独特性作用观点。

基于语义理解的智能搜索引擎的研究

通过对查询短语的结构分析,认为查询短语通常由关键字和特征词构成。特征词是对网页内容的概括,它预示着网页中包含一组特定的特征词条。基于此思想建立了面向Web网页内容的特征库,研究了以Web网页内容特征库为基础实现对查询短语进行语义理解的方法,提出了相关度级别的算法,对库中已收入的特征词进行了查询测试,查准率为86.7%。实验表明,该方法基本实现了对查询短语的理解,对提高搜索引擎的查准率有显著的效果。

老年期语义理解能力与空间定向能力的交叉滞后分析

来自北京三个社区的144位60～85岁的老年人参加了间隔时间为20个月的词语解释和心理旋转前后测测查,以考察语义理解能力在空间定向能力老化中的作用。运用重复测量方差分析、交叉滞后回归分析考察了两个变量上老年人在20个月期间发生的变化,以及两个变量间的因果关系。结果发现:(1)各年龄组老年人的语义理解能力均有下降,空间定向能力均有提高。(2)前测语义理解能力可预测后测空间定向能力。(3)不同语义理解能力水平的被试空间定向能力在前后测中的提高是相同的。

基于本体的决策问题语义理解及精炼方法

理解复杂决策问题的关键在于使决策问题所包含的领域、目标、状态、结构等信息被系统所"读懂".本文利用本体表达语义,实现了问题语义关系表示和语义计算.在保持理解结果不变的原则上,本文提出利用语义迭代方法将计算机无法理解的问题语义转化为可完全理解的语义.本文给出了语义精炼方法并形成最优闭合问题空间,在结构复杂度和内容复杂度两方面具有最低复杂度.实验分析表明,本文提出的复杂决策问题语义理解方法是有效的.

改进的基于语义理解的文本情感分类方法研究

文本分类在信息检索、Web文档自动分类、数字图书馆、自动文摘、文档的组织和管理等多个领域都有着广泛的应用。提出一种改进的基于语义理解的文本情感分类方法,在情感相似度计算中加入情感义原来重新修正定义,并综合情感短语倾向性的研究,侧重情感词与否定词、程度副词的组合形式分析,重点提出否定词程度副词综合处理模块。结合以连词为划分标准的语句情感倾向性分类处理,提出一种文本倾向度算法,以实现基于语义理解的文本情感分类。实验结果表明,与传统的语义理解算法相比,该方法的分类效果有了一定程度的提升。

自动问题求解智能教学系统中语义理解方法综述

文章对近五十年来国内外自动问题求解智能教学系统中自然语言的语义理解方法进行了梳理。对不同时期、不同系统的语义理解方法进行了分析和比较,归纳总结出系统能够解决题目受限的原因,并得出以下结论:问题表征是语义理解的方向,知识库是语义理解的基础,借鉴认知科学的研究成果是语义理解研究的趋势。最后提出了该领域面临的问题和挑战。