CBr-BDI推理机中句子相似度算法研究

摘要

在工业4.0大环境下，机器人产业蓬勃发展，为了使机器人达到更高的智能程度，就需要一种智能推理机对实时问题进行推理、求解和学习。基于案例的推理因具有推理时间短且案例容易学习的特点被广泛应用到智能机器人中，案例推理和BDI模型结合可以解决案例推理不具有自主学习能力的缺点，将CBR-BDI推理机制应用到机器人中可以使其具有自主推理能力。在CBR-BDI推理机制中，案例检索是推理的第一步，而句子相似度算法在案例检索中占有十分重要的地位，相似度算法的准确度关系到推理的正确性。
　　本文介绍了句子相似度算法在CBR-BDI推理机制中的重要性，通过分析现有的句子相似度算法优缺点，提出一种以句子中心词为基准衡量词语组合相对位置偏移量的句子相似度计算方法，将词语组合相对位置偏移量代表句子的结构信息和词序信息。首先，进行句子预处理，利用《知网》计算词语语义相似度，根据词语词性和语法规则确定句子中心词并剔除全局性限定词，然后以句子中心词为基准对词语相对位置进行标定并计算词语组合的相对位置偏移量，最后，综合句子长度差异性信息、浅层次结构信息和语义信息计算句子相似度。经过测试，该方法可有效提高综合指标F值。
　　文章最后将改进的句子相似度算法应用到模块化机械臂分拣系统的CBR-BDI推理机制中，提高分拣系统智能性，使用户拥有更好的人机交互体验。

目录

声明

摘要

1．1 研究背景和意义

1．2 国内外研究概况

1．2．1 推理机研究概况

1．2．2 句子相似度算法研究概况

1．3 主要研究内容

1．4 主要章节安排

第二章 CBR-BDl相关知识及现有句子相似度算法

2．1 CBR-BDI相关知识

2．1．1 CBR-BDI概述

2．1．2 案例表示

2．1．3 案例检索

2．2 现有句子相似度算法

2．2．1 基于向量空间的句子相似度算法

2．2．2 基于句法结构的句子相似度算法

2．2．3 基于语义的句子相似度算法

2．2．4 基于多特征融合的句子相似度算法

2．2．5 已有句子相似度算法优缺点分析

2．3 本章小结

第三章 基于中心词的句子相似度算法

3．1 预处理

3．1．1 分词

3．1．2 停用词处理

3．2 词语语义相似度计算

3．2．1 义原相似度计算

3．2．2 概念相似度计算

3．2．3 词语语义相似度计算

3．3 词语组合的选择

3．4 词语相对位置的确定

3．4．1 中心词的选取

3．4．2 标定词语相对位置

3．4．3 剔除全局性限定词

3．5 词语组合相对位置偏移量计算

3．6 基于中心词的句子相似度计算

3．7 基于中心词的句子相似度算法测试及评价

3．7．1 实验测试集及评价指标

3．7．2 实验结果分析

3．8 本章小结

第四章 CBR-BDI在模块化机械臂分拣系统中的应用

4．1 模块化机械臂分拣系统硬件组成

4．2 模块化机械臂分拣系统软件体系结构

4．3 交互推理测试

4．4 本章小结

5．1 总结

5．2 展望

致谢

参考文献

攻读硕士学位期间发表的论文

攻读硕士学位期间参加的科研项目