基于概念基元的句群情景框架抽取研究

句群的构成要素是领域、情景和背景,领域是核心。领域关联的情景框架主要依据领域句类知识库的描述,从句群语句的语义块中抽取。本文介绍了在语言概念空间中对句群情景框架的概念符号描述,通过匹配整合句群情景框架中语义块的概念约束和句类分析结果中的语义块,给出了从自然语言空间的句群中抽取情景框架要素的方法,并根据实验结果总结了句群情景框架抽取中需要加强和完善的地方。

一种面向法治活动的句群级语境形式化方法

为了使计算机获得语境中包含的知识,必须对语境进行形式化描述。文中采用演绎的方法,以概念树"法治"为例,根据概念层次网络理论(HNC)世界知识的描述,设计了法治活动的领域句类表示式,将法治领域世界知识融入其中,从而使计算机获得先验知识。然后,结合真实语料分析演示了领域句类表示式对句群分析和语境单元萃取的作用,分析结果证明了领域句类表示式的适用性。最后,结合语境形式化的相关理论,讨论了语境的可计算性和语境知识表示方法,表明领域句类是计算机获取和使用语境知识的有效方法。

一个基于语境框架的文本特征提取算法

介绍了一种新的文本语义形式化模型———语境框架 语境框架是一个三维的语义描述 ,它把文本内容抽象成领域(静态范畴 )、情景 (动态描述 )、背景 (褒贬、参照等 ) 3个框架 在语境框架的基础上 ,设计实现了文本特征提取算法 算法从语义入手 ,实现了 4元组表示的领域提取算法、以领域句类为核心的情景提取算法和以对象语义立场网络图为基础的褒贬判断 算法可以有效地处理语言中的褒贬倾向、同义、多义等现象 。

一种世界常识性知识的形式化表述方法

如何形式化表述世界知识并提供给计算机使用,是制约自然语言理解处理实现突破的核心问题之一。该文立足于HNC理论的整体框架,对世界知识按领域进行分类,为每一领域赋予领域句类表示式,为句群处理提供知识支持。同时,以国家治理与管理领域为例,阐述领域句类表示式的设计步骤以及如何使用。