双及物构式ICM识解的功能、性能及语义增量

本研究的目的是通过对英语中双及物构式（EDC）结构多义联结语义链的比较研究,推理出该构式论元结构构式的功能、性能以及语义增量,使该构式内的异常句得以ICM识解。经过对构式语法的建构和对认知语义的解析,本研究指出了EDC结构的语义受限性,识解了它的无生性增量,同时也识解了它的非自愿性增量。为此,在Goldberg,Pinker,Harley,何晓炜、朱德熙等学者的研究理论基础上,本研究提出了功能、语义以及性能等增量观。本研究的结论：1.发现了EDC结构ICM识解的功能增量;2.推理出了EDC结构ICM识解的性能和语义增量;3.使许多在EDC结构系统中被认为是异常的表达句得以ICM识解。

向量空间模型文本建模的语义增量化改进研究

【目的】基于语义增量对向量空间模型文本分类方法进行改进,并进行实验验证。【方法】梳理目前文本表示中语义向量引入和改进的相关研究,提出文本的语义向量表示实现框架。根据主题词和词汇分别与领域本体中概念之间的映射关系,构建概念层次树和定位词汇,计算概念语义相似度,结合语义增量实现文本的语义向量构建。【结果】通过文本分类的对比实验发现,本文所提方法可行且有效,在宏平均准确率、宏平均召回率和宏平均F_1方面优于其他方法。【局限】在向量空间模型基础上的改进,语义信息的表达不够充分,应继续探索文本建模的真正语义化实现方法;应对多种类型数据进行实验验证,以提高方法的适用性。【结论】探索原始向量空间模型的语义化问题,对当前文本分类及其语义关联等研究具有现实意义。

增量静态语义分析的一个对象模型

本文给出了一个对象模型用以描述类ＰＡＳＣＡＬ程序设计语言的静态语义（语义对象，语义依赖）．讨论了基于该模型的增量静态语义分析的过程，动作，并发机制与实现手段．在文章的最后部分对模型扩充讨论了在多用户，分布式环境中的增量语义分析．文中的模型可稍加扩充以适应一般的高级程序设计语言．

基于领域本体的语义向量空间模型

经典向量空间模型中关键词相互独立的基本假设,造成了检索性能的限制。针对这一问题,本文介绍并分析了国内外学者对经典向量空间模型提出的改进研究。针对其研究的不足,通过分析经典向量空间模型的特点,构建领域本体以建立向量空间模型中关键词之间的语义联系,通过计算关键词之间的语义相似度,提出语义增量的概念,对关键词之间的语义联系进行量化分析。结合语义增量,对TF-IDF算法进行了改进,提出了STF-IDF算法,据此建立了语义向量空间模型,以期待提高经典向量空间模型在语义检索方面的性能。最后用实例验证了该模型在查全率和查准率方面均要优于原模型。

基于特征语义描述的协同造型

针对协同特征造型中模型的传输数据量大的问题,提出一种基于特征的描述性语义协同造型方法。对基于特征的产品模型的语义描述进行分析,以XML进行描述,并通过采用基于父子约束关系的特征驱动的模型构建方法,使得造型不再依赖特征创建的顺序,维护了设计结果和设计意图的一致性,也有助于提高设计效率。分析特征语义增量文件的本地识别、提取以及网络交互,通过只传输XML增量语义,初步实现低量网络传输负荷的协同造型。

融合链接文本的增量联合主题模型

在基于链接的概率隐含语义分析的基础上提出一种融合文本链接的增量方法进行主题建模。首先在原有网页集上进行主题建模;然后随着网页的结构和内容动态变化,利用一种合理的更新机制更新模型参数,从而高效快速地处理在线网页流的动态变化。此外,提出一个自适应非对称学习方法融合文本与链接模态的隐含主题。对于每个网页,它在两种模态上的主题分布通过加权进行融合,而权值由该网页的特征词分布的熵值确定。由于融合之后的概率结构合理地关联了链接模态和文本模态的信息,故能得到很好的建模效果。两种类型的数据集上的实验结果显示该算法可以有效地节省时间,并对网页分类有较大性能的提高,此外还提供了由本文模型生成的主题显示结果。

基于语义向量空间模型的文档检索系统研究

针对向量空间模型中因关键词互相独立这一假设造成的检索性能限制的问题,通过引入领域本体,结合语义相似度,建立了语义向量空间模型,并设计了基于语义向量空间模型的文档检索系统,重点研究了其中语义相似度计算和查询扩展两个核心技术,并通过实例验证了该检索系统的有效性。