基于马尔科夫逻辑网的句子情感分析方法

提出一种基于马尔科夫逻辑网的句子情感分析方法.与深度学习方法相结合实现跨领域的知识迁移,同时采用马尔科夫逻辑网将句子的上下文信息与其它情感特征相结合实现句子情感分析.在COAE评测数据上的实验结果表明,该方法与SVM分类方法相比,准确率达到70.02%,并且在跨领域的情感分析任务中也得到了较好的结果.

基于马尔科夫逻辑网的中文专利最大名词短语识别

缺少标注语料和难以识别动词和名词类是阻碍中文专利最大名词短语识别的主要问题。针对上述问题,该文提出了一种基于马尔科夫逻辑网的中文最大名词短语识别方法。该方法避免对开放类的名词短语的识别,而将主要精力放在了相对封闭的分隔符的识别上,利用句子自身特征、领域迁移特征以及双语对齐特征来识别最大名词短语的边界。结果说明,双语信息较好地促进了动词、介词、连词等MNP边界的识别。MNP识别的F值可达83.27%。

基于马尔科夫逻辑网的网络舆论引导技术

计算机和互联网技术的快速发展,在给人类提供极大便利的同时,也给人类社会的政治、经济和文化生活等方面带来了巨大的冲击和负面影响,并由此产生了传统社会没有的、新型的社会问题——网络社会问题。网络社会问题在全世界范围内都是广泛存在的,其复杂性和多样性等特点解决起来也是一个不小的世界性的难题。因此通过对网络进行监控,对网络舆论导向进行分析,并智能的做出回应,对于正确引导舆论走向是有必要的。本文对网络舆情引导理论和技术方面进行研究,采用基于马尔科夫逻辑网络模型进行舆论引导,通过对已有知识库的学习,推断未知知识库,即需要引导的舆情领域相关引导的参数,达到舆情引导的效果。

马尔科夫逻辑网在信息安全风险管理中的应用

针对现有的企业安全风险管理中,风险处理方案的制定和管理措施的选择缺乏量化手段、手动风险分析方式耗时过长等问题,提出了一种基于马尔科夫逻辑网的信息安全风险管理方法。首先利用马尔科夫逻辑网对被评估系统组件及服务间依赖关系进行描述,进而利用马尔科夫逻辑网的边际推理模型来预估不同安全管理措施情况下的系统可用性值,从而为管理措施的选择提供了量化依据。案例研究表明,该方法能够为企业信息系统安全风险管理措施的选择提供可靠的量化依据,且方法实施简单易行。

一种基于Markov逻辑网的中文地理名称实体解析方法

根据Markov逻辑网融合一阶谓词逻辑和概率图模型的复杂性及不确定性处理能力的优点,提出将Markov逻辑网和基于本体与WEB搜索的属性抽取算法相结合的命名实体解析方法(MLN_AENER),解决一般基于Markov逻辑网的实体解析方法对非结构化的命名实体解析效果不佳的问题,并将该方法针对中文地理名称解析问题进行相应设计和实验.实验结果表明该方法具有较好的解析效果.

基于概率软逻辑模型的实体解析

在马尔科夫逻辑网(MLN)的实体解析算法中任意闭原子采用硬约束,导致推理及权重学习过程较难收敛到最优解,降低解析精度及执行效率。为此,提出一种将概率软逻辑(PSL)模型应用到实体解析中的方法,该模型中闭原子采用软约束,易于进行知识推理与权重学习。阐述PSL模型基本理论,通过实体关系、实体属性、本体约束构造PSL模型的逻辑规则,描述实体解析的匹配过程,根据PSL模型的推理机制实现实体解析的决策过程。实验结果表明,与基于MLN的实体解析算法相比,该方法可大幅提高实体解析的准确率、F1值及执行效率。

联合语义角色标注和指代消解

语义角色标注和指代消解是自然语言处理中两个重要的基础研究任务,该文提出使用马尔科夫逻辑网络对两个任务进行联合学习推导。通过提出8条联合学习规则,在OntoNote5.0的实验中证明采用联合学习推导后,两者的标注性能都比单独标注任务有了1.6个F值的性能提升。

异构信息网络数据上的融合概率图模型

针对异构信息网络中存在多种数据目标类型,以及多种数据连接关系的问题,将多个主题模型和马尔科夫逻辑网相结合,提出了一种融合概率图模型。多个主题模型可以分别描述不同数据目标子空间的主题分布,实现对多种数据目标的预处理。用一阶逻辑子句描述的连接规则构建马尔科夫逻辑网,将每个主题模型中的不同数据目标连接起来。通过使用Gibbs采样,可以对异构网络进行参数学习和推理。在国际通用的异构信息网络DBLP数据集上的实验结果表明,使用融合概率图模型能够更好地表示不同的数据目标和连接关系。实验对比了4种典型的分类方法,多次采样得到的分类结果稳定,对作者、文章和会议取得了较好的分类结果。

基于中文知识图谱的人物实体识别

分类是知识图谱构建中的一个重要问题,但是目前多数中文百科都采用人工编辑的方式为词条添加分类,耗费人力并且存在漏标和标错等问题。为此,提出一种自动识别百度百科人物领域下全部实体并添加分类的方法。对百度百科词条已有的分类、属性和副标题进行实体集拓展,使用马尔科夫逻辑网络方法联合推断词条的分类。实验结果表明,与支持向量机和逻辑回归算法相比,该方法在实体识别的精确度和召回率方面性能均有所提升。

一种利用语义相似特征提升细粒度情感分析方法

情感分析主要研究人们正面或负面情感的表达。随着网页文本的爆炸式增长,情感分析在学术研究和实际应用中都成了热门话题。细粒度的情感分析方法通常采用两步策略,从而极易产生自底向上的层叠错误问题。为了解决这个问题,研究者们提出了一种基于马尔科夫逻辑的细粒度的情感分析联合框架。其中最常用的传统全局特征是自底向上和自顶向下特征。为了更好地提升细粒度情感分析的联合学习能力,一种新的语义相似特征被提了出来,中文情感分析数据集上的实验证明,此特征能对情感分析联合框架带来极大的改进。

基于MLN的中文事件触发词推理方法

现有的中文事件触发词抽取方法大多数采用特征工程和触发词扩展方法,无法利用同一文档中各个触发词实例之间的内在关系。为了解决上述问题,基于马尔科夫逻辑网络(MLN),利用核心词素,训练语料中触发词实例填充真假事件的概率,以及触发词实例间的关系等信息来推导测试集中缺乏有效上下文信息和低可信度的触发词实例。在ACE 2005中文语料上的实验结果表明,与基准系统相比,该方法在触发词识别和事件类型分类阶段F1值分别提高3.65%和2.51%。

基于MLN的中文事件论元推理方法

现有的中文事件论元抽取方法大多利用句法结构来表示论元和触发词之间的关系,该方法无法抽取与触发词距离较远且不在同一个子句中的论元。为了解决上述问题,基于马尔科夫逻辑网络(MLN),通过学习训练语料中实体填充不同角色的概率和测试语料中部分已知论元信息,来抽取其他可信度低或缺乏有效信息的论元。在ACE2005中文语料上的实验结果表明,所提方法与基准系统相比,系统性能在论元识别和论元角色分配阶段分别提高了6.0%和4.4%。

不完全可知环境下的室内移动机器人任务规划系统

工作环境的不确定性是移动服务机器人任务规划技术面临的巨大挑战。针对移动服务机器人的工作环境特点,设计了一个基于知识不完全可知室内环境下的任务规划系统框架。首先给出了室内机器人任务规划系统的总体框架,然后介绍了具有概率推理能力的机器人知识库和基于PPDDL语言的系统逻辑描述。引入了决策理论规划方法,使用FF-Replan规划器实现了对概率规划问题的求解。最后通过实验证明了所提框架的可行性和有效性。

电力大数据安全分析和预警研究

随着电网技术的发展,特别是电网与信息化深度融合,电力企业积累了越来越多的数据。这些数据蕴含着大量的价值信息,是电力企业的核心资产,同时也是不法分子攻击的目标。本文基于对电力大数据的安全分析和预警研究提出了电力大数据的安全预警架构以及核心算法。实验证明该框架和算法能够及时发现安全事件并发出警告,智能洞悉电力大数据安全态势。

基于BDMP的核电厂蒸汽发生器水位控制系统可靠性评价

数字化仪表与控制系统(DICS)已广泛应用于核电厂安全/非安全相关的系统中。作为中枢神经系统,DICS的可靠性对核电厂运行过程的操作和维护至关重要。基于蒸汽发生器水位控制系统(SGWLCS)的结构和控制逻辑,采用布尔逻辑驱动的马尔科夫过程(BDMP)方法对系统进行了评价,分别得到可修复系统与不可修复系统随仿真步长增加的累积分布概率(CDP)。通过KB3搭建了BDMP模型,通过蒙特卡罗仿真软件YAMS对搭建的系统进行生产力分析,定量化分析出系统随仿真步长增加的CDP的变化趋势,以此计算系统的失效概率。通过对系统各组件的敏感性分析可直观得到各组件对系统的重要度影响。