语义标注

摘要： 语义分析是当前计算语言学研究的一个重要任务,也是促进自然语言处理迈向新的阶段的主要挑战。在彝语言文字信息处理中,对彝语语句的语义标注是亟须解决的问题之一。研究选用特征结构理论框架,以彝语主谓谓语句的语义标注为切入点进行初步探索,用形式化手段表示彝语主谓谓语句的十一种语义关系类型,并归纳整理出彝语主谓谓语句的特征结构模型。研究表明,特征结构理论标注效率和标注精度较高,可以比较全面的描述彝语的复杂语义信息,为探索适合彝语语言事实的语义标注策略提供了一个可参考的解决方案。

摘要： [目的/意义]科研用户需要学术图表助力精准知识发现服务.图表标注是学术图表融入学术知识发现体系需要解决的核心问题.[方法/过程]定义学术图表标注范畴,以历史研究为脉络,梳理学术图表发现研究及实践发展阶段,重点研究图表标注的两个核心问题:图表标注组织和图表标注实现.[结果/结论]总结现存研究问题,指出基于本体的学术图表自动语义标注是支撑未来大规模学术图表精准语义发现的图表标注形态.未来还需要在学术图表本体构建、 学术图表异构信息抽取等方面深入开展研究.

摘要： 正所谓工欲善其事必先利其器,深度学习以其模型结构的深度性、特征获取的自动性,在非结构化文本的自动分词、词性标注、组块识别、句法分析、语义标注、分类与聚类、关联知识发现等知识组织与挖掘研究任务上取得了优异的成绩或在一定程度上实现了质的飞跃,从而得到了迅速和广泛的应用和推广。而对于深度学习来说,数据特别精加工的数据是其根本,脱离数据而谈深度学习无异于追求镜中花、水中月,终无所成。

摘要： 学术论文语义结构的解析可以广泛应用于信息抽取、论文检索等多个问题.本文通过机器学习的方法,自动标注论文全文中每个子句的语义类型,以实现对论文语义结构的识别.本文使用了论文的宏观篇章结构,以及每个子句的语法、词汇信息作为特征,训练了支持向量机、条件随机场、随机森林、梯度提升分类器和随机梯度下降分类器5种机器学习模型,并将其中效果较好的支持向量机、条件随机场、梯度提升分类器3个模型进行集成,最终得到适用于学术论文全文本子句语义类型标注的集成模型.实验证明,无论在论文全文还是仅包含"结果"的章节中,与对照模型相比,集成模型的子句语义类型标注准确度和F-score均有提升.此外,本文通过主题聚类实验验证了集成模型在识别论文主题等文本挖掘领域能实现较好的效果.

摘要： 为进一步提高客户语音问句实体信息抽取的准确性,增强智能问答系统知识图谱中信息抽取技术的整体效果,首先对语义标注进行优化,随后在BiLSTM-CRF(bidirectional long short-term memory conditional random filed)基础上加入BERT(bidi-rectional encoder representation from transformers)模型对句子进行实体抽取学习.在具体实验中,以语音问句事件文本为数据来源,对其进行语义标注和实体抽取实验.结果 表明,在语义标注优化的基础上同时加入BERT改进模型,信息抽取结果均高于BiLSTM-CRF方法,且改进模型的调和平均值达到91.53％,即可为增强事件实体信息抽取提供实践意义.

摘要： 视频档案资源是语义最为丰富的档案资源,对其进行语义标注是视频档案资源能被有效利用的基础和前提.本文在对国内外相关研究成果梳理分析的基础上,结合视频档案资源特性,提出多层级语义标注的理念,阐释对视频档案资源多层级语义标注的意义,进而设计了视频档案资源多层级语义标注框架、多维语义信息提取模板和视频档案语义标注本体模型等.最后基于实例分析,从视频档案资源语义描述预处理、视频档案主题词汇集的完善以及如何引导用户参与语义标注工作等方面给出具体的应用建议.

摘要： 现阶段标准比对工作大多需要专业技术人员从海量的标准文献资源中查找相关的、有差异的标准信息,工作量较大、工作效率低下.本文在标准文献数据库基础上,通过标准全文可检索化→标准指标碎片化→产品指标结构化的实施路径,探索构建标准指标数据智能比对分析系统.通过标准指标数据比对,引导行业、企业瞄准国内外先进标准水平,制定严于国家行业标准、看齐国际国外标准的先进标准,充分发挥先进标准引领质量提升的作用.

摘要： 针对当前在电力中文地址匹配中存在部分地址歧义的问题,结合自然语言处理的基本原理,提出一种基于贝叶斯算法的中文地址精确匹配方法.为实现该方法,采用贝叶斯算法对中文字符串要素进行切分,以提高地址匹配的精度;采用句法分析,完成对中文地址的层级排序;采用语义标注,完成中文地址的匹配.最后,以上海电力局的部分中文地址数据为样本,采用上述方法进行划分,得到完整和准确的中文地址,并且在不同规模语料库下,本方法得到的分类正确率都在80％以上,具有较高的匹配精度.

摘要： 语义网的提出为网络资源提供了新的知识组织方式,语义网的实现依赖于大量的、与各种形式化知识相关联的web内容元数据.当前语义网的发展迫切需要特定的、明确的和容易理解的语义元数据的创建和使用,也就是需要对当前的网络资源进行广泛可用的语义标注.本文按照时间顺序,概述了语义标注的起源和发展历程;在国内外学者对语义标注内涵描述的基础上,对语义标注的内涵和特征进行深入的探索,论述了语义标注与网络标注的差异,分析了语义标注的主要特点;通过文献计量分析法分别针对文献的年代分布、类型分布、期刊来源分布、关键词分布四个方面的统计结果进行语义标注的研究现状分析，进而发现当前语义标注研究的侧重点;最后提出语义标注未来研究的发展趋势。

摘要： 本文主要以顶级本体作为本体工程的技术核心围绕顶级本体的语义特性，探索具有统一语义表达方式的多本体集成的语义标注模式，并通过医学领域研究案例实证语义标注效果，以期研究并解决多本体环境下的知识发现基础性问题。

摘要： 随着网络学习资料的日益增多,学习系统必须聚合各种开放学习资源,通过对它们进行语义标注建立语义关联,从而构建有完整知识体系支撑的学习资源库.提出了一种以自动标注为主、人工标注为辅的软件平台结构,通过领域本体自动识别、文档自动拆分、文本自动分类、专家人工干预等步骤,实现学习资源库的建立和持续更新.该平台结构既具有较高的的文档标注效率,同时也兼顾了标注精度.

摘要： 以法律判决文书为研究对象,进行了判决文书元数据的框架设计、信息抽取和基于RDF的语义标注方法研究.首先综述了元数据和RDF资源描述框架的理论知识和将其应用于法律领域的研究现状；其次重点分析了判决文书的格式结构和语义特征；然后设计出其元数据的描述框架,给出各个元素的定义和简要的说明；最后分首部和尾部实现了元数据的抽取和基于RDF的语义标注.实验表明,应用该方法对判决文书进行语义标注的效果令人满意.

摘要： Web服务具有对外只提供接口文档、技术规范复杂和运行时态瞬时多变等特性,如何有效地自动化生成测试数据仍旧是个难题.目前,针对有状态Web服务操作序列的测试研究较少,现有的方法对服务的行为信息和操作之间的数据依赖关系考虑不足,且缺乏有效的测试自动化手段,进而导致测试代价较高以及生成的测试数据缺乏针对性.对此,本文提出一种结合有限状态机(EFSM)模型和操作接口契约的测试数据生成方法.该方法根据标准WSDL文档建立操作模型,形式化描述操作之间的交互关系,并对其进行语义标注,基于EFSM模型生成操作序列测试路径,随后采用操作接口契约关系获取测试路径中的测试数据.通过案例表明,这种有状态Web服务的用例生成方法能够高效地生成合理的测试数据,并在错误检测能力以及用例有效性方面优于现有的方法.

摘要： 为了提高遥感图像特征分析技术在众多领域中的应用效能,分析了遥感特征应用的大数据特点,设计了面向用户反馈和案例支持的特征分析框架,提出了可映射的图像特征层次模型,在底层视觉特征之上抽象出对象场景特征和行为事件特征;构建面向应用的领域本体,同时将用户反馈和案例作为特征分析的重要依据,提出了顾及反馈的聚类算法,实现不同层次特征的分类;引入粗糙集中的约减方法,实现面向应用的特征约减;基于案例对图像特征进行语义标注建立影像特征的语义映射机制,从而辅助进行影像的解译与分析.

摘要： 有定的零形式识别旨在发现框架语义标注语料中需要进行填充的零形式框架元素。本文将该任务分为零形式检测与零形式分类两个子问题，首先基于规则发现语料中所有的零形式，然后使用最大熵分类器实现零形式分类。rn 实验在semEval.2010 Task 10的测试集中的结果显示，零形式发现和分类取得的实验效果都优于评测的最好结果。

摘要： 交互式快速动画制作需要丰富的动画素材库作为支撑,因此,有必要研究动画素材的标注与检索技术,为动画素材的重用提供支持.研究并实现了交互式快速动画制作素材标注与检索系统,首先建立丰富的动画素材库,然后研究动画场景和形象等素材的语义标注方法,最后在此基础上实现对动画素材的颜色分块特征、局部不变特征、形状等多种特征的浏览与检索.系统具有良好的可扩展性、交互性以及快速检索能力,其关键技术已在动画制作企业得到实际应用,并取得了良好的应用效果.

摘要： 社会化标注已经成为当前Web2.0时代流行的资源识别和管理方法。本文针对当前Web服务语义描述能力不足的问题，提出一种基于多维度的Web服务语义社会标注方法。在通用的社会标注模型的指导下，从推荐标签集、候选标签集以及自由标签集三种方式中选取若干个标签对服务进行语义标注，并利用涉众的广泛参与性，从服务的输入输出参数，服务涉及到的主题，服务所具有的特征，对服务的评价、投票以及自引等维度对服务语义进行群体标注（手动标注）；同时从服务的质量，服务提供者，服务所归属的领域，服务的操作，服务的声望（用户评价）等机器标注的维度对服务语义进行修正和完善，明确服务语义标注类型，提高Web服务语义描述的完整性（覆盖率）。同时，提出一种服务语义自动浮现方法，根据用户的角色、偏好、声望等属性设定服务属性的优先级，根据标签出现频率以及服务属性（标签）类型权重对标签进行排序，使得Web服务能够呈现大众用户认可的语义信息，为后期准确发现Web服务奠定基础。最后通过实验分析验证上述方法能够使服务语义描述的准确性和完整性得到明显提高。

摘要： 本文基于领域目标模型语义相似性计算，对领域资产库中的领域目标模型进行相似性聚类，然后根据领域中角色、目标、过程以及服务这四类模型之间的关联关系实现角色模型、过程模型以及服务模型的聚类。从而将一些在业务上存在因果联系、或者在功能上相互依赖、相互制约的模型组织在一起，形成一个领域问题。最后抽取每个聚类中的模型的基本信息生成领域问题本体。从而为利用领域问题本体实现对领域模型进行有效组织和管理奠定了基础，为云计算环境下面向服务的应用系统的构建提供了更便利的支撑。

摘要： 本发明公开了一种基于标注重要性次序的图像语义自动标注方法，包括以下步骤：(1)对训练图像集进行分类，形成一系列内容一致的图像集；(2)对每一个图像集构建语义骨架，将其中的图像用语义骨架表示，同时计算图像的关键词重要性次序和图像子块的重要性次序；(3)用统计学习的方法进行图像自动标注。本发明在图像自动标注时，考虑了图像区域子块的重要性和训练集中文本的重要性次序，有效的解决了图像自动标注准确性和词频畸形分布的问题，从而支持基于语义的图像检索。

摘要： 一种非受限路径自然语言的语义角色标注及语义提取方法，所述方法首先收集非受限条件下汉语路径自然语言语料，建立汉语路径自然语言语料库；然后使用基于语块分析和依存句法分析的语义角色标注方法实现对路径自然语言语料的自动标注；最后根据语义角色标注结果，按照顺序划分路径单元，并提取路径单元的导航语义信息。本发明使用基于语块分析和依存句法分析的语义角色标注方法进行路径自然语言语义角色标注，根据提取出的语义角色标注结果进行路径单元划分，最后提取各路径单元的语义信息。该方法能够准确地按照顺序划分路径单元，并准确提取路径语义信息，因此可指导机器人问路导航的顺利实施。

摘要： 本发明涉及一种基于卷积神经网络与语义转移联合模型的街景标注方法，包括深度特征提取和软限制语义转移两个部分，通过构建一个更为平衡的训练集，并在此之上训练一个具有先验信息的超像素分类深度模型。它能够充分挖掘场景的先验信息，学习到更具差异性的特征表达，使得超像素的标注准确率大幅提升。通过马尔科夫随机场模型，对初始结果进行优化，去除了不必要的噪声，使得标注结果进一步提高，最终逐像素标注准确率和平均类别准确率达到了77％和53％以上。

摘要： 本发明提供一种交互式语义分割标注方法及标注系统，标注方法包括：Web前端捕捉鼠标在图片上的正负点选取操作以及鼠标当前位置坐标，将图片编码信息、鼠标当前位置坐标以及鼠标的正负点选取操作发送给后端；后端从图片中识别出鼠标当前位置坐标处的物体的多边形轮廓，并将多边形轮廓返回给Web前端；Web前端根据返回的图片中物体的多边形轮廓，对图片中的物体进行标注。本发明提出的交互式语义分割方法首先标注员通过鼠标进行正负点的选取，其中正点表示某块区域需要标注，负点表示某块区域不需要标注；然后算法端就能返回物体的轮廓信息；最后可以微调正负点来调整物体的轮廓信息，这种方式与传统方式相比，省时省力，标注效率更好。

摘要： 本发明公开了一种基于标注重要性次序的图像语义自动标注方法，包括以下步骤：(1)对训练图像集进行分类，形成一系列内容一致的图像集；(2)对每一个图像集构建语义骨架，将其中的图像用语义骨架表示，同时计算图像的关键词重要性次序和图像子块的重要性次序；(3)用统计学习的方法进行图像自动标注。本发明在图像自动标注时，考虑了图像区域子块的重要性和训练集中文本的重要性次序，有效的解决了图像自动标注准确性和词频畸形分布的问题，从而支持基于语义的图像检索。

摘要： 本发明涉及一种基于深度语义模型与语义角色标注的句子相似度评估方法，将文本字符串映射到低语义空间中的特征向量，利用余弦相似度来度量两个句子之间的相似度；已有的语义角色进行保留，其他的语义角色统一进行处理；根据谓词之间的相似度的大小对句子对进行谓词的配对，得到谓词匹配对，进一步得到语义角色之间的相似计算值；将一个句子的多个谓词中每一谓词的多个语义角色进行语义搭配，计算语义角色的相似度，将深度语义模型计算出的相似度和基于语义角色计算出的相似度两部分进行线性组合作为句子的最终相似度。本发明结合语义角色，比皮尔逊相关系数提升2.226％，比SemEval2017评测官网上排名第一的结果高出0.266％。

摘要： 本发明公开了一种面向情感语义的语义标注及语义依存分析方法及装置，涉及自然语言处理技术领域。包括：获取待分析的文本；将文本输入到构建好的情感语义模型；其中，情感语义模型包括情感语义依存表示及标注模块以及情感语义依存模型；根据文本以及情感语义模型，得到待分析的文本的标注及分析结果；其中，标注及分析结果包括情感语义标注结果以及语义分析结果，情感语义标注结果根据文本以及情感语义依存表示及标注模块得到，语义分析结果根据文本以及情感语义依存模型得到。本发明能够构建面向情感的深层语义形式化表示方案，以及构建面向情感语义的深层语义分析算法框架，可以输出高质量的深层情感语义分析结果。

摘要： 本发明公开了一种面向情感语义的语义标注及语义依存分析方法及装置，涉及自然语言处理技术领域。包括：获取待分析的文本；将文本输入到构建好的情感语义模型；其中，情感语义模型包括情感语义依存表示及标注模块以及情感语义依存模型；根据文本以及情感语义模型，得到待分析的文本的标注及分析结果；其中，标注及分析结果包括情感语义标注结果以及语义分析结果，情感语义标注结果根据文本以及情感语义依存表示及标注模块得到，语义分析结果根据文本以及情感语义依存模型得到。本发明能够构建面向情感的深层语义形式化表示方案，以及构建面向情感语义的深层语义分析算法框架，可以输出高质量的深层情感语义分析结果。

摘要： 本发明提供的是一种弱标注环境下的分段式语义标注方法。(1)输入待标注文本，使用数据挖掘算法自动化构建文本主题相关的“类别‑实体‑关系‑扩展”四层领域本体；(2)使用已构建的四层领域本体对弱标记文本进行语义标注；(3)采用加入注意力机制的卷积神经网络对已标注的段落文本进行段落句群划分；(4)综合使用词袋模型验证句群划分准确性并对新生成的句群的标注信息进行筛选。本发明对历史、文学、娱乐、计算机等不同领域的文本均具有较好的标注和句群划分效果，解决了多学科弱标记资源文本无法准确处理和分析的问题，可以帮助用户缩小检索范围，快速找到搜索结果，提高搜索准确性。

摘要： 本发明提供了一种基于深度语义网络的语义标注方法、装置及系统，该方法包括：根据当前的深度语义网络对待标注图像进行预分割，得到至少一个预分割图块；提取所述预分割图块的分割边界；判断所述预分割图块的分割边界是否符合预设的标注要求；若符合，则对所述预分割图块进行自动标注，获得自动标注结果；若不符合，则对所述预分割图块进行手动标注，获得手动标注结果；根据所述自动标注结果和手动标注结果，确定最终的图像语义标注结果。本发明通过对预分割图块进行自动标注和手动标注，提高了标注效率，并且可以对标注结果进行修改，提升标注的精度。同时，可以利用标注结果对深度语义网络进行训练，从而进一步提高语义网络的预分割效果。