基于知识的多媒体创作模型

通过对传统方法进行分析,引入语义网络的知识表示方法,将面向对象技术与超媒体方法相结合,提出了一个基于知识的多媒体创作模型（ＫＡＭ）,给出了ＫＡＭ模型的形式化定义,并对该模型的结构进行了讨论．ＫＡＭ模型具有以下特点：（１）支持结构与内容的分离;（２）支持复合机制;（３）基于语义的导航,有效地避免了在交互性系统中的迷路问题;（４）独立的链服务功能和管理功能,保持系统的开放性、可扩充性     

基于指针级联标注的中文实体关系联合抽取模型

从非结构化文本中抽取实体关系是构建知识图谱流程中的重要一环,然而在解决中文文本的关系重叠与实体嵌套问题方面,已有的研究成果却很少,并且领域内基于联合学习的抽取方法大多无法识别实体类型。针对这些问题提出了一种基于指针级联标注策略的中文实体关系联合抽取模型。模型采用以实体类型作为区分的指针标注策略来解决实体嵌套与预测实体类型的问题,并以关系模型作为函数,将句子中的头实体映射到尾实体以解决关系重叠问题。实验结果表明,该模型在两种不同领域的中文数据集上表现突出,F1值分别为81.1%,58.4%。利用此模型抽取的实体关系元组可以直接导入图数据库,极大地简化了从非结构化数据源构建知识图谱的流程。     

基于知识图谱的嵌入式操作系统测试用例复用推荐模型

测试是确保嵌入式操作系统品质及安全性的重要途径,而测试用例是软件测试中的重要角色。针对目前嵌入式操作系统历史用例知识不能充分利用以及传统案例中测试用例复用功能弱的缺陷,提出了一种基于知识图谱的嵌入式操作系统测试用例推荐模型。该方法利用知识图谱在具有复杂关系的数据中存储和检索信息的优势,根据历史测试用例抽取实体和关系,设计本体模型,并创建领域知识图谱;选择无监督对比学习的自然语言处理技术进行实体间的中文文本相似度匹配任务,结合知识推荐建立关于嵌入式操作系统测试用例的复用推荐模型。实验结果表明,本文设计的本体模型能够帮助测试人员有效地复用测试用例,并达到94.305%的覆盖率,极大地节约了测试成本,具有较强的工程应用价值。     

基于信息单元融合的新闻原子事件抽取

原子事件抽取是将非结构化文本进行结构化表示的重要方法.针对新闻语料,本文提出了一种基于信息单元融合的原子事件抽取方法.在中文分词、词性标注、命名实体识别等自然语言处理技术的基础上,利用语言规则将信息单元标识出来并进行融合,达到浅层句法分析的效果,通过原子事件抽取算法将原子事件从经信息单元融合后的语料中抽取出来.基于信息单元融合的原子事件抽取方法不仅对文本长度没有严格限制,并且不受事件类型的约束;实验结果表明,基于信息单元融合的原子事件抽取方法是有效的.     

基于零知识证明的物联网单向增强验证模型

面向物联网的大量端对端相互访问、综合性密码保护、多因素验证保护等需求,提出了基于零知识证明的单向增强验证模型。该模型由单向一次性计算类型任务组成,融合五种共识验证技术形成多因素的链式共识验证方法,通过区块链架构分布式共识机制,实现多因素的一次性难题任务链式增强处理,以及高性能的本地并发验证,支撑端到本地中心授权、点对点离线认证等应用。同时,通过动态设置令牌中零知识证据的种类,实现了弹性的访问控制和隐私保护。实验结果表明,该模型实现了动态难度策略的简明点对点验证,展示出毫秒级高性能和灵活性,并提升了物联网认证方法的安全性。     

基于语言规则的病症菌实体抽取

实体抽取在自然语言处理领域中已经相当成熟;随着电子医疗文本急剧增加,医疗实体抽取在医疗领域的应用越来越受到关注.然而,针对医疗领域的专业术语,通用实体抽取方法普遍存在准确率不高的问题.针对药品说明书中的疾病、症状和致病菌,本文采用语言规则的方法,对其进行抽取并评价其准确性.首先,根据已有的术语表分词、词性标注并进行实体抽取;其次,根据语言规则识别医疗实体,从而提高实体抽取的准确率.实验结果显示各类医疗实体抽取的准确率可达80%以上.     

知识分析的直接模型

定义了模拟知识的直接模型，并证明了该模型同ＫｒｉＰｋｅ结构和Ｆａｇｉｎ的知识结构是等价的．与后两种模型相比，该模型中知识作为基本的，而不是衍生的认知，更适用于自然语言理解和机器翻译等领域．     

基于BERT的阅读理解式标书文本信息抽取方法

针对标书文本重要信息的抽取需求,提出一种基于BERT(bidirectional encoder representations from transformers)的阅读理解式标书文本信息抽取方法。该方法将信息抽取任务转换为阅读理解任务,根据标书文本内容,生成对应问题,再抽取标书文本片段作为问题答案。利用BERT预训练模型,得到强健的语言模型,获取更深层次的上下文关联。相比传统的命名实体识别方法,基于阅读理解的信息抽取方法能够很好地同时处理非嵌套实体和嵌套实体的抽取,也能充分利用问题所包含的先验语义信息,区分出具有相似属性的信息。从中国政府采购网下载标书文本数据进行了实验,本文方法总体EM(exact match)值达到92.41%,F1值达到95.03%。实验结果表明本文提出的方法对标书文本的信息抽取是有效的。     

基于软件知识的测试方法

在软件测试阶段,常使用的排错方法包括排错测试和操作概图测试,但它们采取的都是随机测试的策略．在对它们进行研究的基础上提出一种新的测试方法基于软件系统中使用的知识以及对相关知识的使用方式的软件测试方法．基于软件知识的测试方法可以应用于软件的可靠性稳定增长测试与软件安全性测试,也可以应用于对面向对象软件的测试,以及应用于采用组件重用策略的软件可重用技术的软件系统测试。     

一种交互式自动挖掘知识的模型

提出一种交互式自动挖掘知识的模型,论述了该模型的原理、实现机制,并讨论了模型中数据宝藏和影响域及其相互关系．该模型同时具有在线性与深入挖掘的优点,能灵活有效地满足实际应用的需求．     

基于词向量和神经网络融合的过程构成要素信息抽取方法

工步过程构成要素的分析与提取是工艺过程质量管理极为重要的工作内容。为实现工步过程构成要素的机器识别,基于工艺指令确定工步、工步确定其构成要素的逻辑关系,本文将词向量和神经网络相结合,提出了一种工步过程构成要素的关系拟合模型。该模型充分利用词向量的语义表示能力,对描述和确定工艺过程的工艺指令文件语料中的词语进行表示,进而得到每条工艺指令、工步过程及其构成要素的句向量表示,同时利用神经网络对非线性映射关系的拟合能力,抽取出工艺指令与工步过程、工步过程与其构成要素之间的关系。该方法应用于飞机装配工序的研究,各工艺指令的工步过程及其构成要素抽取结果的综合准确率不低于90%,验证了方法的有效性。     

机械产品结构对称性设计知识模型研究

研究了机械产品结构对称性设计知识模型, 建立了包含结构对称、对称破缺和弱对称在内的完整机械结构对称性层次性模型, 以及结构对称性在实现机械产品功能、性能和约束中的设计知识模型, 包括单种结构对称性不同层次的设计知识模型、同种对称性程度不同对称性类型的结构对称性设计知识模型以及同种对称性类型不同对称性程度的结构对称性设计知识模型. 建立的结构对称性设计知识模型能较完整地描述不同层次、不同类型及不同对称性程度的结构对称性设计知识及其之间的关联关系, 为进一步研究机械结构对称性设计知识的挖掘和应用规律的建立奠定了基础.     

基于DSM的知识约简方法研究

根据对象属性的差异性与相似性，以及对DSM(difference-similitude matrix)矩阵元素m^dij，m^sij；的特性分析，定义了属性的重要度和合并度，给出了最佳属性约简集的修正子集的求解方法，从而提出了基于：DSM的知识约简方法，该方法能在保证规则相容的情况下生成少量规则，同时只使用部分条件属性。通过约简UCI机器学习数据库，并与粗集理论约简的结果比较，表明了该方法的合理性和有效性，并在约简效率和规则的正确率上都要好于粗集理论。     

基于空间计量模型的中国东中部地区FDI时空演变格局研究

以我国东中部202个地级以上城市为研究对象,利用空间自相关方法分析了2003~2012年东中部地区外商直接投资(Foreign direct investment,FDI)区位选择的时空演变格局,采用地理权重回归模型(GWR)分析了FDI区位选择的主要影响因素.空间自相关分析结果表明,东中部地区FDI集聚性逐渐减弱,其中,东部地区FDI的比重不断下降,而中部地区的比重不断上升,区域引资逐渐平衡.GWR模型的结果表明,市场规模、劳动力质量、集聚经济、科技创新以及国家政策与FDI均呈显著正相关,并且以环渤海地区为界,南方地区的FDI流入主要取决于市场规模和劳动力质量,而北方则主要受集聚经济和科技创新的影响.本研究可为区域引资格局的发展以及外资企业的区位选择提供决策支持.     

基于Notes群件技术的知识管理系统

讨论了知识管理系统的构成及其功能,并提出了基于Notes群件技术的知识管理系统,以及在知识管理运作中应当注重的几个问题。     

基于知识元的数字图书馆学科标引研究

对数字图书馆图书按中图法分类和学科分类进行了比较,定义了新的知识元结构,利用知识元中出现的概念,通过中文Wikipedia概念库得到的丰富的语义信息,对抽取的图书概念与学科分类类目之间计算语义相似度、语义关联度,进行语义链接,最后展示了初步实现的数字图书馆学科标引系统.     

基于知识约简的故障案例重用方法

案例重用是使用旧的经验去解决新的问题,可以提升基于案例推理的故障诊断系统解决问题的能力,本文提出一种基于知识约简的故障案例重用方法,主要包括针对静态案例的值约简算法（improved attribute value reduction algorithm based on discernibility matrix,IAVRADM）以及新增案例情况下的值约简增量式更新算法（incremental updating algorithm for attribute value reduction,IUAAVR）,其中,IAVRADM算法利用吸收律和互信息增量作为启发式信息,改进了已有算法中分辨矩阵构造和搜索过程,提高了决策规则的生成效率,IUAAVR算法分析总结出需要进行规则更新的3种情况.实验结果表明,IAVRADM算法的适应性强、时间开销低,IUAAVR算法在获得相同数量的决策规则情况下与案例的数量无关且更具时间优势.     

基于区块链的经验知识生产系统

针对基于区块链的用户生成内容(user-generated content,UGC)系统面临的恶意刷赞、通证总量与所生产内容的数量及质量不匹配、用户数据隐私泄露、系统使用成本较高和易用性等问题,提出了一种基于区块链的经验知识生产系统,包括适用于去中心化应用(decentralized application,DApp)的区块链架构、基于时间证明的通证产生与分发机制、通证循环机制和用户隐私保护机制。基于该系统,设计了一个用于健康养生领域的经验知识生产平台。     

统计机器翻译中汉维短语对抽取的研究

双语短语对抽取是基于短语的统计机器翻译中短语翻译模型训练的关键步骤,但由于汉维平行语料库规模有限,数据稀疏问题严重.本文提出了一种改进的短语抽取算法,该算法首先考虑词对齐矩阵中一个汉语词对齐到多个维吾尔语词的情况(包括不连续),然后利用Och方法抽取短语对,最后考虑维吾尔语SOV语序结构特点,抽取双语短语.实验表明,该算法能够较准确地且尽可能多地抽取汉维短语对,从而提高翻译模型的质量.