英汉句法歧义结构对比

句法歧义是英汉语言运用过程中的一种普遍现象,也是一种复杂的语言现象,主要是指由句子成分的不同组合方式而产生的歧义。多层修饰结构、语义关系不同都可以引起歧义。英汉句法歧义的对比与研究给教学、交际、翻译等都会带来较大帮助。     

基于领域本体模型的概念语义相似度计算研究

随着本体在信息检索、人工智能等领域的广泛应用,面向本体的概念相似度计算成为本体研究的一大热点。目前领域本体中概念相似度的研究主要是利用概念的上下位关系进行计算,但这并没有完整反映出概念的语义信息。本文首先在本体模型的基础上提出领域本体模型的八元组表示方法和领域本体概念的九元组表示方法,给出领域本体模型的DCG图。然后以提出领域本体模型为基础构建概念语义相似度计算的MD4模型,该模型全面考虑概念的属性、上下位语义结构关系、自定义语义关系和实例特征对相似度的影响,通过综合计算,得到领域本体中概念的实际相似度。本文最后以动车组专业本体作为实验对象,对MD4模型进行验证。实验结果表明,该计算模型充分利用概念的语义信息,得到的结果也比较合理。     

用数据挖掘和本体实现空间信息系统语义互操作

介绍了一种利用数据挖掘和本体实现信息系统互操作的新方法．该方法通过基于本体的逻辑推理实现概念语义在不同空间信息系统之间的转换，利用数据挖掘技术从候选集合中确定转换集合并将操作的结果返回给用户，从而完成空间信息系统的互操作，提高了空间信息系统互操作的鲁棒性和伸缩性．     

Adopting Context Mediation in Information Integration to Resolve Semantic Heterogeneity in Distributed Environment

Ontology-based semantic information integration resolve the schema-level heterogeneity and part of data level heterogeneity between distributed data sources. But it is ubiquitous that schema semantics of information is identical while the interpretation of it varies with different context, and ontology-based semantic information integration can not resolve this context heterogeneity. By introducing context representation and context mediation to ontology based information integration, the attribute-level context heterogeneity can be detected and reconciled automatically, and hence a complete solution for semantic heterogeneity is formed. Through a concrete example, the context representation and the process in which the attribute-level context heterogeneity is reconciled during query processing are presented. This resolution can make up the deficiency of schema mapping based semantic information integration. With the architecture proposed in this paper the semantic heterogeneity solution is adaptive and extensive.     

英语词汇层面上的理解在阅读中的作用

英语阅读教学在我国英语教学中占有重要地位。词汇是阅读理解的基础,处理词汇的能力也是提高总体阅读水平的重要组成部分。作从理论上对词汇层面理解技能的本质、组成、目的及功能进行了探讨。并以实验结果证明、揭示了词汇层面理解与阅读过程中局部理解的关系,指出理解词的字面意义、功能意义、语境意义、及引申意义的重要性,并论证了在语言教学中加强词汇理解技能训练的重要地位。     

大学英语词汇使用现状研究

词汇是组成语言的最基本的单位,没有词汇就无所谓句子,更无所谓语言．词汇教学是英语教学中的重要环节,本文通过时大学英语词汇学习现状的调查,了解到大学阶段,英语词汇量大幅度增加,而学生快速学习、记忆词汇的方法和教师讲授词汇的模式相对陈旧、滞后,缺乏联系性和系统性．针对这一现状,作者提出了教学时策．     

供应链管理环境下的VMI管理系统

在供应链管理的环境下,供应链的各个环节的活动都应该是同步进行的,而传统的库存控制方法无法满足这一要求。供应商管理用户库存(Vendor Man- agement Inventory,简称VMI)打破了传统的各自为政的库存管理模式,体现了供应链的集成化管理思想,适应市场的要求,是一种新的有代表性的库存管理思想。     

基于3D点云语义地图表征的智能车定位

为提高智能车节点定位准确率, 研究了基于3D点云语义地图表征的智能车定位方法。该方法分为3个部分: ①基于三维激光点云的语义分割, 包括地面分割, 交通标志牌分割和杆状语义目标分割; ②面向智能车的点云语义地图表征, 利用分割的语义目标投影, 生成带权有向图, 语义路, 语义编码, 再以语义编码和高精度GPS的全局位置组成语义地图表征模型; ③基于语义表征模型的智能车定位, 包括基于GPS匹配的粗定位和基于语义编码渐进匹配的节点定位。实验在3种长度不同、复杂度不同的道路场景下进行, 节点定位准确率分别为98.5%, 97.6%和97.8%, 结果表明所提出的定位方法节点定位准确率高、鲁棒性强且适用于不同的道路场景。      

基于词组主题建模的文本语义压缩算法

为了实现文本代表性语义词汇的抽取,提出一种基于词组主题建模的文本语义压缩算法SCPTM(semantic compression based on phrase topic modeling).该算法首先将代表性语义词汇抽取问题转化为最大化优化模型,并通过贪心搜索策略实现该模型的近似求解.然后,利用词组挖掘模型LDACOL实现词组主题建模,得到SCPTM算法的输入参数;同时,针对该模型中词组的主题分配不稳定的问题进行改进,使得取得的代表性语义词汇更加符合人们对语义的认知习惯.最后,将改进LDACOL模型与LDA模型、LDACOL模型以及TNG模型的主题挖掘性能进行实验比较,并利用SCPTM算法针对不同语料库进行语义压缩,根据聚类结果评价其有效性.实验结果表明,在多数情况下,改进LDACOL模型的主题抽取效果优于其他3种模型;通过SCPTM算法抽取代表性语义词汇能达到70%~100%的精度,相比PCA、MDS、ISOMAP等传统降维算法能获得更高的聚类效果.