文本数据驱动下的高速公路事故持续时间预测模型

事故持续时间的预测是高速公路应急管理的基础,及时准确的事故持续时间预测可为道路疏导和组织救援提供可靠依据.针对道路交通事故信息及其异质性主要以自由流文本存在的问题,研究了基于文本数据的高速公路事故持续时间预测方法,可应用于以自然语言形式存在的任何信息文本.并在此基础上,构建V-Fisher有序聚类模型,结合多种文本分类算法,开展模型结果的对比分析.结果表明,与一般回归算法相比,V-Fisher有序聚类模型可更好的实现对事故持续时间的预测,且通过集成学习(SVR+LR)建立的分类模型准确率达到0.82,取得良好的预测效果.      

对话系统中知识处理的研究

在第四代人机交互技术中,基于知识内容的特定域,人机口语对话系统正处于研究热点中.在对话系统中,如何处理好丰富多样的语言学知识与深层表达的任务域知识之间的关系是一个研究难点.本文结合了颐和园导游口语对话系统的实际开发经验,提出了语言学的知识处理和任务域的知识处理相并列的模块结构形式.在这种结构中,域知识库中的概念属性在语言处理模块中产生语义映射,自然语言生成模块的规划以域知识库的查询推理结果为基础.实际测试表明,这种模块结构形式使得系统具备良好的知识查询、表达能力和语言理解、生成能力.     

数据库汉语自然语言查询接口系统

随着数据库技术不断普及，数据库自然语言界面（NLIDB）的研究应运而生。本文在研究了国内外NLIDB技术相关情况后，结合汉语自身特点，提出了一个完整的NLIDB解决方案，并完成了相关的实验，     

知网的话题更新与跟踪算法研究

话题跟踪是一项面向新闻报道信息流进行已知话题跟踪的信息处理技术，本文在现有的向量空间描述文档的基础上，实现了一个基于话题更新的话题跟踪算法，提出了基于知网的近义动词分析的跟踪算法及基于知网的近义动词分析和话题更新的话题跟踪算法．实验表明话题更新和同义词近义词的消除提高了话题跟踪算法的性能．     

人工智能在本体映射中的应用

本体映射被认为是异构信息集成的关键,研究者们提出了很多本体映射的方法,论文主要从三个方面说明人工智能思想在本体映射中的应用。1）基于元素文本相似度计算的方法,往往会借助于自然语言处理技术,对文本进行相关处理。2）本体映射问题本质上是一个二元分类问题,可以借助于机器学习的方法提高本体映射的质量。3）利用聚类算法将本体分块,从而将大规模本体映射任务划分成若干个子任务,有效地解决了大规模本体映射的挑战。     

基于自然语言处理的汽车造型风格推导与评价EI北大核心CSCD

为有效获取用户感性需求并塑造整车形象,提出了一种基于自然语言处理的汽车造型风格推导与评价方法。首先描述了汽车造型设计过程的领域任务,并建立了汽车造型风格推导模型,通过自然语言处理对汽车造型隐性风格进行表征,步骤包括口语分析、设计主题词的提取、权重计算和设计主题词相似度的计算与聚类。接着进一步阐述了基于特征匹配的显性风格生成机制,并与改进的三标度层次分析法相结合,对显性风格进行评价。最后以实例验证了该方法的有效性。     

基于自动文本分析的船舶避碰案例学习模型

构建基于自然语言处理的案例学习模型,以文本形式描述的船舶避碰案例,通过自动分词、消岐和语义分析等步骤,从中提取和生成以框架形式描述的避碰案例,并将其存储在计算机中。仿真试验表明,该模型可以实现避碰案例从文本文件到可用案例的有效转换,为案例学习提供新的方法。     

自然语言处理系统中自动分词的研究

首先分析了自然分词方法的基本假设和实现途径以及现有的方法的不足之处,然后介绍汉语自然语言整体处理信息框架和在自然语言整体处理框架中自动分词方法,最后给出实验结果。     

基于多任务迁移学习的交通警情信息自动处理方法

从交通警情数据中自动获取信息对于快速处理交通事故和提高交通管理水平具有重要的意义。为此，提出了一种基于多任务迁移学习的交通警情信息自动处理方法，该方法上游采用文本预训练模型作为共享参数层，下游建立多任务并行学习方法，实现对交通警情中的关键信息、类型和语义自动处理。选取江苏省苏州市2年内共120 191条原始交通警情作为试验数据，通过自动处理方法构建了一套标准的交通警情信息数据库。试验结果表明：所建立的关键信息抽取方法可以更精准地提取警情数据中的时间、地址和车牌信息；交通警情分类模型性能优于现有的深度学习模型，分类准确率达93%；基于局部特征增强的警情语义分析方法重点识别了警情中事故的严重程度和救援需求，识别准确率达87%。研究结论显示交通警情自动化处理方法具有良好的可移植性和实用性。