DPML:一种面向科学数据语用的标记语言

【目的】科学数据的使用场景日益丰富,了解已有场景中科学数据如何使用,对科技探索与发现有很重要的启发和借鉴作用。然而,由于科学数据的场景化使用蕴藏了复杂的输入、算法和执行环境,这使得如何统一地描述数据的场景化使用成为了一个挑战。这种统一描述的缺失导致了理解和学习已有场景中的科学数据的用法变得难度大、成本高、效率低。【方法】针对数据场景化使用的统一描述缺失的问题,本文采用数据语用的概念,从超图的角度来建模数据的场景化使用,设计了面向数据语用的新型标记语言DPML(Data Pragmatics Markup Language),并提出了一套基于AI的科学数据语用的自动化提取方法。【结果】DPML可以表征多种典型的基于科学数据的场景化使用中的数据语用,同时利用上述的自动化方法,可以高效地提取出DPML。【结论】通过提出DPML及其自动化提取方法,本文实现了科学数据场景化使用中隐含的数据语用的自动化表征。通过数据以及数据之间的语用关系所形成的科学数据的语用网络蕴藏了科学数据如何使用的知识,可以促进科学数据跨学科的共享和再利用,为科学研究的深入合作与数据驱动发现开辟了新的路径。

ALICE机理分析与应用研究

详细介绍了人工智能聊天机器人ALICE的知识组织结构和内部推理机制,指出它在中文处理方面存在的缺陷。在此基础之上,从分词与词性标注、同义句处理和AIML知识库的建设等多个方面探讨了ALICE在中文处理方面所面临的问题,并提出了相应的解决方法。

基于ALICE的汉语自然语言接口

分析人工智能聊天机器人ALICE的知识组织结构和推理机制,研究ALICE在处理汉语时需要解决的问题,提出利用语义语法扩展知识描述语言AIML的表达能力.采用不确定性推理进行模式搜索并对结果打分择优和答案动态提取,基于ALICE设计实现了一个汉语自然语言接口——CNLIS,系统结构与具体领域无关.实验结果表明,该接口移植方便,准确率和召回率可分别达到91.45%和91.70%.

分布式虚拟环境中的聊天机器人的研究

该文探索了通过自然语言界面从基于Web的应用中获取知识的一种方法。介绍了一些著名聊天机器人程序着重给出了基于AIML的聊天机器人A.L.I.C.E的运行机制,并分析了其适合于分布式应用的特点。通过对其进行改进将其结合进分布式虚拟环境中,构造了一个基于Web的分布式虚拟环境中的聊天机器人。

基于ALICE的语义推理接口

分析人工智能聊天机器人ALICE(Artificial Linguistic Internet Computer Entity)的知识组织结构和内部推理机制,指出ALICE系统在语义推理方面的缺陷,提出使用语义网本体理论与ALICE推理机制相结合的解决方案,设计并实现了一个基于ALICE系统的语义推理接口。实验证明,该接口能够很好地支持基于自然语言的语义推理,且具有很高的满意率。

面向数控车床的智能故障诊断系统的研究

针对数控车床故障诊断中存在的问题,采用基于框架的案例表达,利用XML进行案例的存储、检索,实现基于CBR的智能故障诊断。这种案例的表达方法实现了将故障案例的数据存储在XML文档中,而XML文档具有数据量小和通用性强的特点,为实现数据交换和信息集成提供了方便。