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.     

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.      

基于语料库的英语中程度副词语义韵对比研究

采用基于语料库的"中介语对比分析法",分别以中国学习者英语语料库(CLEC)和由Mark Davies 开发的BYU-BNC①语料库为基础,利用WordSmith Tools,以节点词rather和quite为例,将两个语料库中显著形容词搭配词的语义特征进行对比分析,调查中国英语学习者在书面语中程度副词与形容词搭配时所呈现出的语义韵特征.研究结果表明,中国大学生在程度副词搭配方面所呈现出的语义韵特征与本族语者的使用惯例之间有显著差异,可归纳为三个特征:1.典型搭配使用频率较低,且随意性较大;2. 语义韵冲突,不和谐;3. 词语搭配类型偏少,语义范围狭窄.     

基于语义层次组成的ST-MRF交通事故检测算法

针对目前大部分交通事故检测算法没有考虑车辆相互遮挡的影响,导致在交通量比较大的情况下,算法运行结果比较差,为了解决这一问题,提出了基于类组成的时空马尔可夫随机场(简称ST-MRF)交通事故检测算法.该方法应用ST-MRF模型进行车辆跟踪,得到车辆的目标地图和运动矢量,获得交通流基本参数,结合安装在道路下游的检测器获得的交通流数据,采用语义层次算法对交通事件进行检测.为了验证算法的准确性,对该算法与仅仅使用基于ST-MRF车辆跟踪的得出的交通流数据来判断事故的发生的算法进行比较,发现本算法检测率要高.通过研究得出:基于语义层次组成的ST-MRF算法能在交通比较拥挤且车辆出现相互遮挡的情况下,准确检测到交通事件.      

基于无监督学习的部分-整体关系获取

针对面向中文自由文本的部分-整体关系抽取问题,提出一种基于无监督学习的方法. 首先提出子模式提取算法,从领域文本集中获取概念对和概念对所在上下文模式,利用概念对和概念对上下文模式建立分布式语义模型;然后采用协同聚类算法将具有相同语义关系的概念对聚合成簇,通过训练L1正则化逻辑回归模型提取簇的特征并得到代表每个簇语义关系的概念对上下文模式;最后根据模式识别表达部分-整体关系的簇,从而获取部分-整体关系概念对. 实验结果表明,该方法取得较好的性能,F度量达到68.97%,优于传统聚类方法（55.77%）和模式匹配方法（61.95%）.      

浅谈美国对外政策话语中的三种语义策略

在美同的对外政策话语中,美国政府经常运用三种语义策略获取最大的国家利益,一是通过词语语义意象号召国内民众支持政府的外交政策;二是通过调控词语概念的语义内涵和外延,以及如何利用语义度差使词语概念成为一种特殊的外交武器;三是通过构建叙事结构诱导民众产生心理预期,接受政府需要的心理现实,成为对外政策的拥护者。