融合知识和约束图的远程监督关系抽取方法

远程监督关系抽取通过自动标注数据减少人工标注成本,但存在句子标签噪声和关系长尾分布两个问题.为解决上述问题,提出一种融合知识图中实体信息以及实体和关系间约束的关系抽取方法.该方法对目标实体和其邻居实体的属性进行编码,对目标实体和邻居实体构成的邻居图进行编码,对实体类型和关系间约束进行编码,并通过多源融合注意力模块进行信息整合,构建关系抽取模型.该方法在NYT-10数据集上的AUC值为0.524,P@100值为94.8%,长尾指标Hits@K较之前最先进模型均有提升,取得了优异表现,表明该方法融合实体信息和约束信息解决远程监督关系抽取两个主要问题的有效性.

一种本体和上下文知识集成化的数据挖掘方法

在数据挖掘中使用本体和上下文知识能够将普遍的知识和特定的知识引入数据挖掘的决策因素中,是增进数据挖掘准确性的有效手段,同时也是数据挖掘领域研究的热点和难点之一.针对该问题,首先探讨了本体与上下文知识的集成化表示方法,包括上下文知识分类方法、如何在本体描述方法上扩展上下文知识及上下文知识转化方法.其次,以层次化结构的本体与上下文知识为例,构建了一个依据于本体和上下文知识集成的归纳学习算法并验证了该算法的有效性和准确性.

动态上下文知识的获取与共享

上下文感知系统需要获取和共享多种上下文知识,不仅包含环境参数的具体取值,也包含对环境状态描述时所用的词汇,也就是概念。上下文知识具有与生俱来的动态性,在设计时难以预知系统可能涉及的上下文信息。而大多数已有的系统缺乏完善的动态上下文知识维护机制,因此不支持上下文感知应用的运行时的扩展。提出一个基于本体的层次化上下文模型,以及基于此模型的动态上下文知识获取与共享框架(DCASI)。框架中按需分散获取机制让各类上下文知识出自最有资格定义它的实体,使得上下文知识充足而又不冗余;双库集中共享机制按共享的不同作用维护两个知识库,有效支持了新上下文知识的定义和发现。原型系统验证了本框架的有效性。

采用原始结构的上下文知识对手写体数字串进行分割和识别

首先，本文提出了采用原始结构的上下文知识对非限制手写体数字串进行分割和识别。开发的新算法在数字串图像中确定特征点，以产生可能的分割假设。一种原始的识别图表利用分割假设的空间。分割假设的估算采用新颖的评价图表，以改善系统的分离物阻割。文中的原始算法试图通过搜索来获取分割假设的总数，并寻找最高的分割／识别可信度。NIST NSTRING SD19和CENPARMI数据库用作估算本方法。实验显示，在分割中采用适当的上下文知识可以极大地改善系统的特性。在手写体数字串中，采用神经网络和支持向量机分类器，我们的系统可分别获取95．28％和96．42％的正确识别率。

知识嵌入的医疗对话生成

针对以往医疗对话生成方法未能有效建模医学知识,导致生成的回复缺乏医学常识一贯性的问题,很多学者尝试引入医疗知识图谱,但集成医疗知识图谱时容易占用较多输入数据空间,这限制了模型输入可以保留对话上下文信息量的大小。本文提出知识嵌入的医疗对话生成模型(medical conversation generation model based on knowledge embedding,MCG-KE),该模型基于历史对话进行实体预测得到上下文知识嵌入实体,引入串行图编码方式和图注意力机制获得当前对话相关的医疗知识图谱子图编码,将上下文知识嵌入实体、医疗知识图谱子图编码和历史对话编码作为对话生成模型的输入,用于知识嵌入的医疗对话生成。实验结果表明,模型在高效计算的情况下,所生成的医疗对话在自动评价和人工评价等相关指标上的性能均有提升。

基于知识场景的知识流建模

业务流伴随着知识流,知识的流动促进了业务流程的改善和知识的增值.在分析了知识要素的基础上,给出了知识场景的概念以及一种知识流建模方法.该方法利用知识场景的动态变化描述知识的流动,为知识的有效管理提供技术手段.最后用一个例子说明该方法的有效性.

融合本体和上下文知识的企业竞争情报分析算法研究

文章将本体和上下文知识融入企业竞争情报分析之中,设计了一种基于语义决策树的归纳学习算法进行语义层面的情报分析和情报知识发现。该算法利用本体解决情报语义问题,利用上下文知识解决应用环境和具体对象问题。实验结果表明,该算法取得了很好的预期效果,显著提高了情报挖掘的智能性和情报分析的准确性,在一定程度上实现了企业竞争情报语义挖掘和情报知识自动分析与获取。

从语境视角看《老友记》幽默言语的解读

语境在理解电视情景喜剧的幽默言语中具有特殊的作用。作为以制笑为目的的电视情景喜剧,编剧成功与否取决于观众能否调用正确的语境来对其中的幽默对白进行理解,从而发笑。从关联理论角度,通过截取美国著名情景喜剧《老友记》的片段作为幽默语料,对抽样出来的幽默言语语料在理解时所需调用的语境进行分类分析统计.结果显示:在正确理解《老友记》幽默言语的过程中,语言上下文知识是被调用最多的语境因素,情景知识的调用率处于第二位,百科知识是被调用得最少的因素。

基于本体的智能空间用户活动识别方法

为提高智能空间中用户活动识别的准确率,提出一种基于本体的活动识别方法。通过分析智能家居中的上下文语义及实体间的关联,建立了明确的活动领域本体,结合上下文知识和用户模型,定义相关用户活动状态,进而采用语义推理实现了用户活动的识别。实验验证了该方法的有效性和可扩展性,并将识别的时间效率与HMM识别法进行了比较,表明了该方法的识别时间低于HMM识别法。

基于深度神经网络的图像语义分割综述

近年来,基于深度学习的方法在计算机视觉、模式识别等领域取得了令人鼓舞的成就,并且在图像分类、目标检测等方面的精度已经超过人类手工操作。图像语义分割作为场景理解的基础,分割的精度直接决定着诸如自动驾驶、三维重建、无人机控制与目标识别等应用的质量。本文首先简要介绍了图像分割问题的历史发展脉络,而后重点针对采用深度学习方法的图像分割进行阐述,包括基于全卷积网络以及基于整合图像上下文知识的方法,并分析其优缺点,最后,对未来可能的发展趋势与研究热点进行了展望。

从广告看语境的滤补功能

英语语境的滤补功能为语言的使用制定了一套准则 ,能够阻止或补充某种语言形式。广告 ,言简意赅 ,对于语境的依赖性很强。本文以广告为例 。