检索结果-南通市图书馆

计算机工程与设计 2014年第1期35卷 287-292页

作者：巫建伟陈崇成叶晓燕林甲祥福州大学福建省空间信息工程研究中心福建福州350002 福建农林大学计算机与信息学院福建福州350002

通过对本体知识推理原理的探讨,针对构成本体知识库的本体知识模型与知识规则,完成了土地适宜性评价任务本体与评价知识规则的构建。作为研究重点,以基于AHP的评价因子权重评定方式实现了评价因子权重规则的定义,以指标分值评定的方式... 详细信息

通过对本体知识推理原理的探讨,针对构成本体知识库的本体知识模型与知识规则,完成了土地适宜性评价任务本体与评价知识规则的构建。作为研究重点,以基于AHP的评价因子权重评定方式实现了评价因子权重规则的定义,以指标分值评定的方式实现了评价规则的定义;依据Jena规则语法进行相应规则的形式化表达,实现评价知识规则的获取与存储;以福建省典型亚热带水果荔枝的种植适宜性评价为应用目标,结合本体知识库的构建,实现了应用系统的开发。案例系统的正常运行验证了本体知识库构建方法的有效性。

关键词：土地适宜性评价本体知识推理层次分析法本体知识库 Jena

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

面向知识图谱的自然语言问答研究

面向知识图谱的自然语言问答研究

引用

作者：吴琼中南财经政法大学

学位级别：硕士

在信息爆炸的时代,目标信息的筛选变得愈发困难。传统搜索引擎在信息筛选过程中可能返回大量无效信息,且缺乏语义理解能力。而知识图谱问答的出现为上述问题提供了解决方案,它允许用户以自然语言提问并返回准确答案,有效加速了人机交互... 详细信息

在信息爆炸的时代,目标信息的筛选变得愈发困难。传统搜索引擎在信息筛选过程中可能返回大量无效信息,且缺乏语义理解能力。而知识图谱问答的出现为上述问题提供了解决方案,它允许用户以自然语言提问并返回准确答案,有效加速了人机交互的发展进程。其中,知识图谱问答有两个重要研究问题:(1)如何进行自然语言问句的理解,并转换为计算机可接受的语义表示;(2)如何在知识图谱不完备的情况下获取答案。此外,语义问答场景中,还需要解决多个三元组、聚合计算、多个类、类间连接路径和复杂约束等问题。在此背景下,本文提出并实现了一种两阶段NL2SPARQL(Natural Language To SPARQL)方法。该方法将自然语言问句转换为SPARQL(SPARQL Protocol and RDF Query Language)语句,在知识图谱上查询该语句获取答案,从而完成问答过程。本文的主要工作内容可以归纳为以下四点:(1)提出两阶段NL2SPARQL方法的研究思路。将研究过程划分为自然语言理解阶段和知识推理阶段,前者解决语义表示生成问题,后者解决知识图谱不完备带来的无明显答案问题。自然语言理解阶段中,提出用Datalog作为自然语言到SPARQL的中间语义表示方法,将自然语言问句暂时转换为Datalog表示。知识推理阶段中,对Datalog表示进行语义扩展得到中间结果,将该结果语义映射为SPARQL语句,使得无推理能力的SPARQL执行引擎执行该语句也能获得推理后的答案。(2)针对自然语言理解任务,提出并实现了简单Datalog表示的生成方法。提出简单Datalog草图,通过对草图内容的预测生成简单Datalog表示,该方法解决了聚合计算问题和多个三元组问题。草图的预测采用类感知编码器+下游任务模型的结构。类感知编码器基于预训练语言模型实现,将其输出的高维向量经注意力机制增强后输入下游任务模型。下游任务模型构建了两类预测任务,并按照一定规则输出预测结果到草图。对比多种预训练语言模型、01标注结构对模型产生的影响,并对模型进行优化,最终通过实验证明了模型的可行性。(3)针对自然语言理解任务,提出并实现了复杂Datalog表示的生成方法。该方法仍旧采用类感知编码器+下游任务模型的结构,但基于简单Datalog表示的生成方法进行了复杂度的扩展,扩展主要体现在两个地方。首先,提出了复杂Datalog草图,在草图的设计中融入多类、类间连接路径和复杂约束等问题。其次,在下游任务模型中构建了七类预测任务和一类生成任务,在生成任务中提出了一种路径生成算法。(4)针对知识推理任务,提出并实现了基于Datalog表示的本体知识推理方法。该方法基于前述方法生成的Datalog表示进行语义扩展,提出将知识图谱TBox(Terminology Box)与Datalog表示分别转换为扩充语义图与修正查询图,通过图的语义匹配来获取匹配的子图集合。将该子图集合语义映射为SPARQL语句,最后通过SPARQL执行引擎进行具体计算以获取答案。该方法将语义扩展穿插在算法中,提出扩充规则与虚拟节点、增加语义预处理与语义修正来提高算法的语义扩展能力。实验结果证明该方法起到了提高推理能力的效果。综上,本文提出的两阶段NL2SPARQL方法可以解决知识图谱问答的两个重要研究问题,且拥有对复杂问题的处理能力。该方法具有可解释性,且生成的结果具有一定可靠性,对开展相关领域的研究具有一定参考意义。

关键词： NL2SPARQL 自然语言理解 Datalog 本体知识推理

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：