一种基于多分类语义分析和个性化的语义检索方法

为了进一步提升语义检索的精度和改善用户体验,提出了一种基于多分类语义分析和个性化的语义检索方法.首先,利用改进的多分类语义分析方法实现目标文档的向量化,并建立词向量库;然后,利用支持向量机对文档进行分类,并结合文档类别生成标签索引.在检索时,根据词向量库的引导,使用用户历史检索记录和个人信息优化检索结果.实验结果显示,基于该方法的系统的检索精度、平均DCG和nDCG指标值分别达到0.7,7.267和0.890,较基于Lucene方法和Yahoo Directory方法所得结果的均值分别高出31%,36%和19%.在时间复杂度上,每次检索的平均耗时为0.669 s,较Lucene方法仅增加了0.326 s.由此可见,该方法提高了检索的精度和综合相关度,且额外的时间消耗较少.

基于本体属性特征学习的地理要素分类语义映射方法

地理空间数据异构问题长期并将持续存在,作为克服语义异质的关键技术,地理类别概念之间的语义映射研究已经引起了广泛的关注。综合利用地理类别概念集的本体属性内涵、分类层次结构等语义信息,提出一种基于本体属性特征学习的地理要素分类语义映射方法。该方法将本体属性特征作为基础语义框架,建立地理类别概念的语义特征向量化描述,并提出一种新的层次编码机制来标识地理类别概念的分类状态;接着引入BP神经网络建立本体属性特征向量与概念分类状态之间的非线性关系,从而支持概念语义映射。通过两种不同地理信息标准下陆地水系要素概念的语义映射测试,验证了该方法的可行性和有效性。

基于分类语义的Web信息检索系统

在海量数据空间中快速、准确地获取用户所需Web信息成为检索系统研究的焦点.将一种全新的网页自动分类技术引入WWW信息抽取领域来解决网上信息有效获取的问题,设计一个基于分类语义的搜索引擎系统———SESC系统.通过Web数据抽取机制以及Web信息分类技术实现检索结果的分类和层次化展示,使得用户快捷地从WWW上获取所需信息.

一种改进的汉语语义角色分类体系与标注实践

语义角色标注是自然语言处理中的一项重要任务,涉及文本挖掘、神经网络学习、统计语言学等多个研究领域。在对一个汉语语料库进行语义角色分析时,发现现有的汉语语义角色体系存在一定的局限性。通过引入新的语义角色、吸收和重新定义现有语义角色体系中的语义角色,该文提出了一种改进的汉语语义角色分类体系。该语义角色分类体系将事件中的语义角色分为两大类,即中枢语义角色和周边语义角色,其中,周边语义角色可进一步被细分为主要周边语义角色和辅助周边语义角色。为了减少语义理解的主观性从而客观地判断语义角色类型,该文基于语义和句式以“判断标准-相应例句”的形式详细解释了语义角色分类体系中的主要周边语义角色,并从中枢语义角色半自动化判断、复合动词作中枢语义角色处理、易混淆语义角色难点分析和辅助周边语义角色标注规定等多个方面给出了提高语义角色标注一致性的说明。最后,根据提出的语义角色分类体系对实验语料库进行了语义角色的标注实践,分析了标注一致性,统计了新提出和重定义的主要周边语义角色在语料库中的分布情况,并与基于鲁川语义角色分类体系得到的标注结果进行了对比。

基于结构树库的状位动词语义分类及搭配库构建

一般情况下,一个小句中只有一个动词,但是也有两个动词接连在一个小句中出现的情况,此时连用的两个动词在句法上有可能构成状中、述补、动宾、连谓及并列等结构,语义上可能表示修饰、支配、并列等关系。连续使用的两个动词构成了相对复杂的结构与语义关系,尤其是在没有形式标记的情况下,如何自动识别连用动词所构成的结构及其所表达的语义关系是句法语义分析在落地过程中面对的较为困难的问题。对此,该文将研究对象定位于直接作状语的动词,从大规模结构树库中抽取两个动词连用的情况,并对语料进行消歧,提取出作状语的动词后,进一步对其进行语义的细分类,最后构建相应的语义搭配库,不仅为语言学本体研究提供了分类参考,同时也为深层次的汉语句法语义分析提供了更多的知识。

基于实例分布约束的事件语义自动划分

针对离散分布于新闻文本集合中的事件语义难以聚合的问题,提出了基于实例分布约束的事件语义自动划分算法。首先,利用远程监督方法,构建用于事件语义划分的训练数据集;其次,设计基于实例分布约束的事件语义分类器,用于判断新的事件触发词的加入是否影响事件语义的聚合;最后,在该分类器的基础上设计事件语义集合生成算法,在不需要预先设定事件类型的情况下,将分布离散的事件触发词自动地划分到不同的事件语义集合中。结果表明本方法可有效实现事件语义的自动划分,为事件语义的高质量聚合提供了一种新的探索。

图像场景语义分类研究进展综述

场景语义分类是图像理解领域中一个重要的研究方向,涉及到信号处理、模式识别、计算机视觉和认知科学等多学科交叉。场景分类任务中,图像内容描述和分类判决是两大关键问题。图像内容描述力图得到关于场景图像最具判别意义的表示,而分类判决则对训练样本集的图像内容描述学习、训练,并建模得到某类场景图像区别于其他场景类图像的计算模型。目前,很多场景分类方法针对图像内容描述和图像分类进行了深入的研究,对室外人造场景、室外自然场景和室内场景图像进行分类,取得了较好的分类效果。然而,场景图像自身内容上的变化和差异,既会造成同一场景类内对象的差异性,同时也造成不同场景类之间图像的视觉相似性,特别是对于不同的室内场景类。因此,场景语义分类任务十分困难,是计算机视觉和认知心理学领域中一个颇具挑战性的难题。室外图像场景分类研究相对成熟,而室内图像场景分类研究却进展缓慢。本文综述了图像场景语义分类的研究进展,并分析了场景分类算法的性能,指出场景语义分类研究中存在的问题。

基于语义分类的比较句识别与比较要素抽取研究

比较是人们常用的评估不同事物优劣、异同的表达方式,利用机器识别比较句并进一步抽取比较要素是语言信息处理领域一项新颖又有实用价值的课题。该文依据比较句与比较要素之间是一种"你中有我,我中有你"的共生关系,将比较句识别与比较要素抽取两个任务合二为一完成;根据词意分类,构建由领域词典、情感词典、标记词典、普通词典构成的词典系统;根据汉语比较句句义分类,构建比较句识别与比较要素抽取规则库。以第四届中文倾向性评测(COAE2012)发布的测试语料为实验对象,该系统取得了较好的实验(评测)结果。

基于线条方向直方图的图像情感语义分类

图像语义分类在基于语义的图像检索中具有重要意义,但是图像的情感语义描述和分类方面的研究在近年来才刚刚起步。该文利用图像的低层特征实现了图像高层情感语义(“静感”和“动感”)的分类。图像的线条与情感之间存在明显的联系,选用线条方向直方图作为图像特征,利用概率神经网络(PNN)完成语义分类,实验表明该方法具有较好的效果。

基于角色标注的中文POI名称语义分类方法

针对现有中文兴趣点POI(points of interest)分类的不足,分析POI名称的结构特征,利用中文文本处理、语义相似度计算方法,提出一种基于角色标注的中文名称语义分类方法,提高POI分类的精度。

基于语义相似度计算的词汇语义自动分类系统

词汇语义分类在文本聚类、信息检索、机器翻译等多个研究领域中拥有重要的理论及实践意义。介绍的知网语义相似度计算的词汇语义自动分类系统通过设计双向索引结构,高效的组织和挖掘了知网已有数据资源,并利用成熟的知网词语相似度计算方法,为词汇语义自动分类提供了不同于统计方法的新思路。目前系统的研究已取得实质性成果。在知网义原1564个分类的基础上,对知网提供的6万余条汉语常用词进行初步语义分类,进而开发了二次分类模块,针对初步分类结果进一步细化为适合实际需要的子类。实验结果证明该系统在分类性能上明显优于基于统计方法的分类系统,所作分类更加细腻、平滑。

基于语义分类和描述框架的网络攻击知识抽取研究及其应用

随着计算机技术的迅猛发展,自然语言处理成为计算机科学领域与人工智能领域中的一个重要方向,且文本知识获取(knowledge acquisition from text,KAT)是人工智能的重要研究内容。当前对于文本研究,大多采用关键字以及机器学习方法,准确率并不高。该文提出了一种基于语义文法的中文网络攻击事件知识获取方法。首先介绍参考FrameNet构建的语义分类和描述框架,它在现代汉语基本句模分类的基础上进行了扩充和改进。其次,重点介绍了攻击文本中最常见的遭受类语义类的设计和形成过程。然后将语义分类和描述框架应用在"网络安全"领域,形成"网络攻击语义类",并介绍在建立"网络攻击语义类"时遇到的难题,包括文法的设计中对事元的确定、复合句的处理、"的是"结构句型的分析设计、谓词设计等。最后,使用国家某安全部门提供的真实数据进行网络攻击知识抽取,实验表明该方法具有较高的准确率。

MPI集群环境下图像语义分类算法的并行化设计

为缩小图像的底层特征相似和高层语义相关之间的差距,常利用良好拟合能力的BP神经网络进行图像的多种语义分类.针对单BP神经网络在处理大规模图像数据和复杂分类模式中存在的学习时间长和分类效率低的问题,提出并建立了图像语义分类的多BP神经网络并行集成模型.在MPI集群环境下采用主从对等混合并行算法、对图像样本数据按类预分组等方法实现训练与分类,有效地完成BP神经网络图像多语义分类.实验结果取得了较高的查全率和准确率,趋近线性的加速比验证了该并行算法的正确性和高效性.

谓语的语义分类和语义组合模式

吕叔湘先生指出:“动词是句子的中心、核心、重心,别的成分都跟它挂钩,被它吸住。”“动词的性质决定它可以跟哪种名词联系,不能跟哪种名词联系。反过来,这种那种联系的可能与不可能又帮助我们给动词分类。” 我们按照吕先生的这个想法,给现代汉语的“谓词”进行语义分类。本文所讨论的“谓词”(Verbal)包括动词和“可谓形容词”,不包括“非谓形容词”或“区别词”。本文中的“体词”(Nominal)包括名词、代名词、量词。 在及物性语义组合关系中,谓词所担任的角色叫做“中枢角色”,体词或以体词为中心的短语(包括体词短语和介词短语)所担任的角色叫做“外围角色”。

基于张量神经网络的音频多语义分类方法

音频特征向量已广泛应用于音频分类的研究,该表示形式虽能有效体现音频的固有特性,但无法表示音频信息多语义特性及各语义间的相关性。提出了基于张量统一内容定位(TUCL)的音频语义表征方式,将音频语义描述表示为三阶张量,并构建多语义张量空间。在此空间中,张量语义离散度(TSD)能有效聚集具有相同语义的音频资源,通过计算各音频资源的TSD来完成对音频资源的分类,并构建了RBF张量神经网络(RBFTNN)来自适应学习分类模型。实验结果表明,在多语义分类的情况下,TSD算法的分类性能明显优于当前典型的高斯混合模型(GMM)算法;通过与支持向量机(SVM)学习模型相比可知,基于TSD的RBFTNN模型分类学习的准确率明显优于基于TSD的SVM模型。

谈动宾语义关系分类的性质问题

汉语语法学界一般认为，在现代汉语中动词和宾语之间的语义关系是十分丰富的，宾语可以表示动作的受事、施事、结果、对象、处所、时间、工具等等。本文认为，动宾语义关系分类迄今还存在不少缺憾。其中一个重要原因是没有认识到，在作这种语义分类时，应该首先把宾语分为规定宾语与非规定宾语。规定宾语的语义角色是由动词词汇意义赋予的，对动词与规定宾语的语义关系可以不作分类。对动词与非规定其语的语义关系才需要分类。

基于语义分类的文物图像标注研究

由于图像数据中普遍存在的“语义鸿沟”问题,传统的基于内容的图像检索技术对于数字图书馆中的图像检索往往力不从心。而图像标注能有效地弥补语义的缺失。文中分析了图像语义标注的现状以及存在的问题,提出了基于语义分类的文物语义标注方法。算法首先通过构建一个Bayes语义分类器对待标注图像进行语义分类,进而通过在语义类内部建立基于统计的标注模型,实现了图像的语义标注。在针对文物图像进行标注的实验中,该方法获得了较好的标注准确率和效率。

基于相容粒度空间模型的自适应图像语义分类方法

针对图像底层特征和高层语义之间存在的语义鸿沟问题，运用相容粒度空间模型对图像语义分类进行了研究，提出一种自适应的图像语义分类方法，为解决此问题探索出了一种有效途径。该方法将图像集建模为基于原始特征的相容粒度空间；在此空间中，通过引入相容参数和构造距离函数来定义相容关系，从而通过调整相容参数可有效控制对象邻域粒的大小，最终可直接处理图像的实数型特征而无需进行离散化等预处理；此外，通过引入相容度的方法实现对相容参数的自适应优化，从而自动调整邻域粒的大小，使得构造的分类器几乎不需要手工设置参数即可自动适应于各种不同类型的图像集，并获得比同类算法更好的分类准确率。实验结果验证了这种方法的有效性和可行性。

图像语义分类的树结构SVM方法

为了减小低层视觉特征和高层语义之间存在的"语义鸿沟",提出一种采用树结构支持向量机实现图像底层视觉特征到高层语义的映射方法。利用二叉树结构构建支持向量机(SVM),在SVM核函数空间利用距离作为树节点处的分类度量。二叉树的结构可以大大减小语义分类的时间,而将距离较大的语义类先分离开保证了语义分类具有较高的准确率。实验证明,该方法在保证准确率的同时可以在较大程度上缩短分类检索时间。

《现代汉语语义分类词典》(TMC)研制中若干问题的思考

《现代汉语语义分类词典》继承了《同义词词林》概念分类的传统,以反映一个社会的生活全貌及认识观念的概念关系为目的,收录了8万余条现代汉语通用性较高的语文词语,建构出了一个五级语义分类体系,里面包括9个一级类,62个二级类,518个三级类,2 076个四级类,12 613个五级类。所建构的义类关系,注重上位语义层对下位语义层有较强控制力,下位语义层对上位语义层的义域能全面覆盖,左右语义类具有互补对应的功能。