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。

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。

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。