基于可拓学的自然语言处理与系统建模研究new

《基于可拓学的自然语言处理与系统建模研究new》由会员上传分享，免费在线阅读，更多相关内容在教育资源-天天文库。

1、万方数据第38卷第7期20O6年7月哈尔滨工业大学学报JOURNALOFHARBININST【TUTEOFTECHNOLOGYVoL38No．7July2006基于可拓学的自然语言处理与系统建模研究郑鑫1，秦建军2，陈汉辉1，李伟宏1(1．北京交通大学计算机与信息技术学院，北京100044，E·mail：chx啦@si眦．com；2．北京交通大学机械与电子控制工程学院，北京100044)摘要：研究了将可拓模型的自动建模技术应用于自然语言处理，并将此模型应用于自然语言理解．利用可拓模型及自然语言理解相关技术来描述语言信息、知识表示和知

2、识推理，并设计实现了一套由自然语言到可拓模型的自动建模系统．通过构建基于知网的物元概念表、事元概念表和关系元概念表去训练输入的自然语言文本，从中提取出具有一定成熟度的基元模型，再通过基元可拓变换规则进行可拓推理．关键词：可拓学；自然语言处理；知识表示与推理中图分类号：TPl8文献标识码：A文章编号：0367—6234(2006)07—1209—04NaturallanguageprocessinganditssystemmodelingbasedonE】i【tellicsZHENGxinl，QINJian-jun2，CHENHan．

3、huil，UWei—hon91(1SchoolofComputeraIldInfommti∞rIkhnology，BeijingJiaotongUniversity，Beijing100044，Bei_jiIlg100044，China，E—mail：China锄@163．com；2schoolofMech明icalandElectricalControlEn舀neering，BeijingJi80tongUniversity，Beijing100044)Abstract：Applingtheautomaticextensionmo

4、delingtechnologytothenatumllanguageprocessingisre—searchedinthispaper，andtllemodeliseasytorealizetIlenaturallanguageunderstanding．Thelanguagede—scription，knowledgerepresentationandknowledgereasoningarerealizedbyt11eextensionmodelarIdtIlenatu—mllaIlguageprocessingtechno

5、logy，andan叫tomaticmodelingsystemf而mthenaturallaIlguageto出ee妣en—sionmodeIisdesigned．Thesystemiscons扛uctedbythreedatatables，theyarematte卜elementconcepttable，赶fai卜elementconcept枷e锄drelation—elementconcepttable．TheyaJ．eusedtotraintIleinputnaturallan—guagetext，andt}Iebase—e

6、lementmodelwhichh踮acertaindegreeofmaturationisextIacted，thenextensionreasoningisrealizedbythebase—elementtmnsfo珊ation-．KeywOrds：Extenics；natumllaIlguagepmcessing；knowledgerepresentationaIldreasoning从计算机科学特别是从人工智能的观点看，自然语言理解的任务是建立一种计算机模型，这种计算机模型能够给出象人那样理解自然语言(即人们日常使用的汉语

7、、英语等)的结果⋯．自然语言理解的一个重要方面在于怎样向计算机表达知识、表达怎样的知识以及怎样建立知识之间的联系与推理，即怎样将大脑的联想、推理(判断)与选择过程应用于处理语言的模型中．现代计算机的物理结构和逻辑结构非常清晰，而我们收稿日期：2006一04—01．基金项目：国家自然科学基金重点资助项目(5033504JD)；国家自然科学基金资助项目(50405004)．作者简介：郑鑫(1987一)，男，本科．需要的是一套可行的形式化思维机制，使机器能处理自然语言信息．为使机器理解人类自然语言，在长期研究的基础上形成了两种基本的方法：

8、基于规则的方法和基于统计的方法．基于规则的方法在本质上是演绎的，基于统计的方法在本质上是归纳的，两种方法都缺少更加灵活有效的联想与变数，不能通过添加知识来得到更好结果．实际上，自然语言本身就是一种知识表示方法，将自然语言形式化为可拓模