“比Y更W的是X”的焦点性与信息推理过程

文章从外围的逻辑关联和话语标记出发,确认“比Y更W的是X”的焦点属性。在焦点构式内部,“的是”的语境提示作用显示其含有一个对比焦点X。根据构件YX的比较关系,分为由普遍到具体的对比凸显以及由表象到本质的对比凸显。以此为基础,重点分析焦点构式的信息推理过程和话语功能。背景句的参照-言据功能与解释句的交互-认同功能,都围绕“比Y更W的是X”焦点信息的构拟和识解展开。“比Y更W的是X”是语篇衔接连贯的偏爱手段,也是汉语递系式动态流水句的典型代表。

基于优先解释的不完全信息推理及其应用

不完全信息下的近似推理是知识工程面临的困难问题之一．文章提出了一种具有非单调性质的优先逻辑程序理论．该理论能够对知识的解释进行综合评判，进而优选解释，使其成为现有知识的最佳理论逼近，达到在择优意义下的理论完全化，避免了对知识的完全性及一致性要求．为获取应用领域的优先逻辑程序，基于归纳逻辑程序设计技术设计了一种多方法归纳学习算法，该算法具有较强的归纳能力．此理论与算法已应用在８６３农业专家系统中。

基于信息推理的网络新闻在线评论情绪分类

网络评论数据的情绪倾向性信息对于企业商业智能系统、政府舆情分析等诸多领域有着广阔的应用空间和发展前景。该文基于语言类比超空间(HAL空间),利用信息推理方法,给出了一种短语级别的评论数据情绪倾向分类模型。该模型首先从评论文本中抽取符合预定义模式的短语,然后运用基于HAL空间的概念组合算法,将短语组合为概念C,最后使用信息推理算法,对概念C按情绪分类。实验表明,与SVM算法和Term-Count算法相比,该文的模型对于网络在线新闻评论数据分类效果较好。

创业者必须做好信息推理工作

成功创业需要很多因素,正确寻找和利用信息也中一个极为重要的因素。归纳法和演绎法是主要的信息推理方法。创业者尤其需要演绎法,在不具备完整数据资料的基础上,大胆地作出假设,并在实际中不断进行验证,这样在创业时就能把握先机,领先一步。

“0,1”信息推理及其应用

本文讨论了“0,l”信息推理,推广了“E、I”三段论,并给出了它的一些应用.

信息推理及其运用

生动的事实说明,信息推理对领导的科学决策是何等的重要。通过推理,可促进信息深化,扩大信息量,使信息增值,发掘信息的潜在作用。实践中,经常使用的信息推理方法有:联想推理、因果推理、类比推理、假设推理、反向推理和预测推理等几种。

信息推理根据与方法

信息具有多重表征性特点,因此可以进行信息的推理加工,其目的是为了充分挖掘和利用信息的多重潜在价值。一、信息的多重表征性:信息推理的根据信息是事物属性的反映。由于事物属性本身的多重性以及事物间广泛联系的特征所决定,信息的表征也必然表现为多重相关的特性。

信息推理及其运用

神话般的事实 1982年2月底至3月初,墨西哥爱尔·基琼火山爆发了。据说,这次火山爆发,使史无前例的大量火山灰喷上了天空。简短的消息,竟使美国作出了一个重大决策,决定1983年减少1/3的农作物耕种面积。听起来这件事似乎有些荒唐,然而却是事实。且看他们是怎样通过推理把这两件事联系起来的。历史最大的火山灰喷向天空,必将给自然条件带来一些变化。

信息推理及其运用

运用社会信息、市场信息指导生产经营活动,目前尚存在的问题是,企业在利用信息方面缺乏多元化思维,简单地采用现成的信息,而对信息缺乏深入思考、全面分析和科学推理.应当设法挖掘信息资源的潜在能量,重视发挥信息的延伸增值效益.所谓信息延伸增值,是指通过对经济、社会信息的全面分析、综合思考和科学推理,预测某种产品的未来前途及其发展趋势,由此一信息生发出彼一信息,由此一产品联带出彼一产品,从而拓开生产经营的视野,创造或派生出新的产品系列,如此实现信息的新的增值.本文提供信息推理的三种思维模式和相应应用实例.

应用模糊集合信息推理模型实现计算机辅助诊断急腹症(附4779例临床验证)

本文报告应用模糊集合信息推理实现计算机辅助诊断急腹症22种,相关性、矫正性诊断15种,可处理疾病信息225项;经临床急腹症4779例回顾性、前瞻性验证,诊断正确率98.9％。

基于信息扩散近似推理的年径流量预测模型

通过分析年径流时间序列的特性,利用信息扩散近似推理描述年径流量间的复杂非线性关系,建立起基于信息扩散近似推理的年径流预测模型。信息扩散近似推理将样本点转换成模糊集,部分弥补了由于数据的不完备性所造成的信息空白,并可以将矛盾模式转换成兼容模式。通过与传统预测方法相比较,发现该模型能够很好地光滑样本数据以及能够较好地发掘知识,有较高的预测精度和推广应用价值。

基于信息扩散近似推理的年降水量预测模型

【目的】研究信息扩散近似推理方法在年降水量预测中的应用,并对比其他方法分析其推广前景。【方法】通过分析年降水量时间序列的特性,提出了基于当前趋势以及相邻年份降水量的年降水预测规则。利用信息扩散近似推理描述年降水量间的复杂非线性关系,并以某灌区长系列降水资料为样本进行实例计算。【结果】信息扩散近似推理方法预测效果较好,该方法误差绝对值和为1.673,小于人工神经网络和线性自回归方法的统计结果。【结论】信息扩散近似推理可将样本点转换成模糊集,部分弥补了由于数据的不完备性所造成的信息空白,并可将矛盾模式转换成兼容模式。通过与传统预测方法相比较发现,该模型能够很好地光滑样本数据以及较好地发掘知识,有较高的预测精度和推广应用价值。

内P-推理信息恢复与属性潜藏推理发现

P-集合(packet sets)是把动态特性引入到有限普通集合X内,改进有限普通集合X得到的一个动态模型;在一定的条件下,P-集合被还原成有限普通集合X。P-集合由内P-集合XF珚(internal packet set XF珚)与外P-集合XF(outerpacket set XF)构成的集合对;或者,(XF珚,XF)是P-集合。P-推理(packet reasoning)由内P-推理(internal packet rea-soning)与外P-推理(outer packet reasoning)共同构成。利用内P-集合与内P-推理,给出了内P-信息恢复概念与内P-信息恢复特征、内P-信息恢复的内P-推理生成与它的属性潜藏、内P-信息恢复的信息元补充定理、内P-信息恢复的依赖性定理,以及内P-推理信息恢复的属性潜藏定理与属性潜藏发现定理。利用这些理论结果,给出内P-推理信息恢复在信息系统中的应用。

揭示电力系统运行数据中因果关系的逆信息熵因果推理方法

随着电力系统数据采集手段的不断完善,基于数据的分析方法在电力系统运行分析中扮演着日益重要的角色。现有的数据分析方法主要分析数据之间的相关关系。事实上,两个强相关变量间通常呈现出不对称的因果关系。若能揭示电力系统运行变量间的因果关系,必将有助于深刻地洞察电力系统运行的内在规律性。近年来,因果推断的研究取得很大进展,使得基于数据的因果分析成为可能。该文从物理机制上揭示电力系统中强相关变量之间因果关系的不对称属性;提出一种逆信息熵因果推理(reciprocal information entropy causal inference,RIECI)方法,所构建的指标不仅可以有效判别相关变量间的因果方向,还能正确反映因果强度。在电力系统算例中的验证表明,RIECI方法能有效揭示电力系统运行数据中的因果关系。对电力系统运行数据中因果关系的分析对于认知电力系统运行机理和正确调控电力系统运行状态有重要意义。

量测噪声情况下基于D-S证据推理信息融合的滑模控制

研究了 D- S证据推理多传感器信息融合方法在存在量测噪声的滑模控制中的应用 ,它有助于削弱模函数的不确定性 .由于基本可信度函数不能解析获得 ,用一个模糊系统对其予以等价 ,模糊规则后件参数由样本数据通过最小二乘法获得 .

基于推理信息量的BN参数学习变量离散化方法

提出推理信息量的概念,将其作为贝叶斯网络连续变量离散化评价标准。在连续变量离散化的过程中,采用遗传算法寻求最优解,设计个体编码方式、交叉算子和变异算子,将推理信息量作为衡量个体适应度的标准。实例分析证明,通过该方法对变量进行离散化后学习得到的贝叶斯网络在推理时能得到更大的推理信息量。

文本阅读中信息精确化推理的初步研究

采用动窗技术对文本阅读中信息精确化推理进行了初步研究。实验1研究在工作记忆范围内,信息精确化推理是即时发生的还是当局部信息不连贯时再重新追溯才发生。实验2探究信息精确化推理在长时记忆中是否也会发生。结果表明,文本阅读中的信息精确化推理,不管需要进行精确化推理的句子与包含推理所需信息的句子是处于同一工作记忆范围内,还是处于长时记忆中,推理都是即时发生的。

基于信息扩散近似推理的产流预报模型

为了提高预报精度,充分利用和挖掘数据中包含的隐信息,以陡河水库为计算实例,应用信息扩散近似推理技术建立预报模型,并通过与遗传程序和传统线性回归方法对计算结果进行对比分析。结果表明:该模型预报精度较高,且具有前期数据处理简单的优势,可用于流域降雨、径流相关图的修正,有很好的应用价值。

新闻悖论与日常信息推理的真实逻辑分析

新闻,指的是电台、互联网、报纸等媒体所传播出来的各种信息,它以多种多样的形式(比如文字、图像、视频)向人们传播各种各样的信息。从新闻产生的那一天开始,从其本性来看,它没有绝对的真实,而是一种经验真实以及逻辑真实(推理证实)的结合物。本文从新闻悖论角度出发,重点分析了新闻悖论与日常信息推理的真实逻辑之间的关系。