技术领域
本发明涉及语义分析技术领域,尤其涉及一种面向本质计算的多模态DIKW内容多语义分析方法。
背景技术
目前基于DIKW图谱技术对自然语言进行语义识别是相关领域一种新的技术发展方向,基于DIKW图对语义内容进行建模,可以从语言文本中提取出类型资源(TypedResources)以用于语义识别,类型资源可分为数据资源(Data Resour ces)、信息资源(Information Resources)和知识资源(Knowledge Resources)。而在基于DIKW图谱技术进行语义识别时可能会出现多语义问题,多语义是指理解语义内容具有多个不同的目的,即语义内容中的类型资源可以从各种类型资源中派生出来,以获得具有不同目的的信息资源。多语义问题会导致人工智能系统语言文本识别效率降低,并降低识别结果的准确率。
发明内容
本发明的目的在于提供一种面向本质计算的多模态DIKW内容多语义分析方法,以克服或至少部分解决现有技术所存在的上述问题。
一种面向本质计算的多模态DIKW内容多语义分析方法,包括以下步骤:
S1、获取类型资源进行语义识别,根据识别结果判断是否存在多语义,所述类型资源包括数据资源D
S2、存在多语义时,分析多语义形成原因;
S3、基于多语义形成原因,采用相应策略将原类型资源转换为新的类型资源,获取最终语义识别结果。
进一步的,所述多语义形成原因包括类型资源缺失和类型资源冗余。
进一步的,所述步骤S2中,分析多语义形成原因为类型资源缺失时,判断类型资源缺失属性为数据资源缺失或信息资源缺失。
进一步的,所述步骤S3中,多语义形成原因为类型资源缺失时,所采用策略具体包括:
将已知的数据资源D
在数据图表中搜索与之相关的数据资源D
将D
确定I
将剩余的I
进一步的,所述步骤S3中,多语义形成原因为类型资源缺失时,所采用策略具体包括:
将已知的数据资源D
在信息图表中搜索与信息相关的相关信息资源I
将I
确定I
将剩余的I
进一步的,所述步骤S2中,分析多语义形成原因为类型资源冗余时,判断类型资源冗余属性为数据资源冗余或信息资源冗余。
进一步的,所述步骤S3中,多语义形成原因为信息资源冗余时,所采用策略具体包括:
查找冲突的信息资源I
在数据图表中搜索与之相关的数据资源D
将D
确定I
将I
进一步的,所述步骤S3中,多语义形成原因为信息资源冗余时,所采用策略具体包括:
查找冲突的信息资源I
在信息图表中搜索与之相关的信息资源I
将I
确定I
将I
进一步的,所述步骤S3中,多语义形成原因为数据资源冗余时,所采用策略具体包括:
查找冲突的数据资源D
在数据图表中搜索与之相关的数据资源D
将D
确定D
将D
进一步的,所述步骤S3中,多语义形成原因为数据资源冗余时,所采用策略具体包括:
查找相互冲突的数据资源D
在信息图表中搜索与信息相关的相关信息资源I
将I
确定I
将I
与现有技术相比,本发明的有益效果是:
本发明所提供的一种面向本质计算的多模态DIKW内容多语义分析方法,在基于类型资源进行语义识别过程中出现多语义结果时,通过分析多语义形成原因,根据不同的形成原因采取相应的策略将原先的类型资源转换为新的类型资源以应用于语义识别,排除多余识别结果并获取最终语义识别结果,从而帮助人工智能系统提高语言文本识别效率,并提高识别结果准确率。
附图说明
为了更清楚地说明本发明实施例中的技术方案,下面将对实施例描述中所需要使用的附图作简单地介绍,显而易见地,下面描述中的附图仅仅是本发明的优选实施例,对于本领域普通技术人员来讲,在不付出创造性劳动的前提下,还可以根据这些附图获得其他的附图。
图1是本发明实施例提供的多模态DIKW内容多语义分析方法整体流程示意图。
具体实施方式
以下结合附图对本发明的原理和特征进行描述,所列举实施例只用于解释本发明,并非用于限定本发明的范围。
参照图1,本发明提供一种面向本质计算的多模态DIKW内容多语义分析方法,所述方法包括以下步骤:
S1、获取类型资源进行语义识别,根据识别结果判断是否存在多语义,所述类型资源包括数据资源D
其中数据资源是由直接观察得到的离散元素,在没有上下文的情况下不具有任何意义,不与人类的某个特定目的相关联。数据资源表达单个实体的属性内容,最简单的表达形式为“is_a”,(X|a)表示实体X具有的属性(a)。
信息资源记录人类的行为,用于挖掘、分析、表达两个实体之间的交互关系,实体既可以是另一个人,也可以是客观存在的事物。信息资源与人类的某个特定目的相关,用于透过目的去推断两个实体之间的关系,信息资源最简单的表达形式为“has_a”,用于表示实体E1和E2之间的关系。
知识资源由数据资源和信息资源经过结构化形式化的推导演绎得到,是在信息资源的基础上对实体关系的进一步的完善,知识资源在信息资源的基础上对实体关系进行了抽象化的归纳总结。
S2、存在多语义时,分析多语义形成原因。
S3、基于多语义形成原因,采用相应策略将原类型资源转换为新的类型资源,获取最终语义识别结果。
其中,所述多语义形成原因包括类型资源缺失和类型资源冗余。语义内容中缺失的类型资源TR
在本发明的一个实施例中,步骤S3中多语义形成原因为类型资源缺失时,所采用的策略具体包括:
A1、将已知的数据资源D
A2、在数据图表中搜索与之相关的数据资源D
A3、将D
A4、确定I
A5、将剩余的I
作为一个例子,假设语义内容为“在夏天夜晚,用户A待在自习室”,由于语义内容缺少“用户A在自习室做什么”的信息资源,因此系统在理解内容时会有歧义。例如,将数据资源D
在此基础上获得相关数据资源D
在本发明的另一个实施例中,步骤S3中多语义形成原因为类型资源缺失时,所采用的策略具体包括:
B1、将已知的数据资源D
B2、在信息图表中搜索与信息相关的相关信息资源I
B3、将I
B4、确定I
B5、将剩余的I
将该实施例用于解决前述语义内容为“在夏天夜晚,用户A待在自习室”的多语义问题时,获取相关信息资源I
类型资源的冗余是指对语义内容中的D
在本发明的一个实施例中,步骤S3中多语义形成原因为信息资源冗余时,所采用策略具体包括:
C1、查找冲突的信息资源I
C2、在数据图表中搜索与之相关的数据资源D
C3、将D
C4、确定I
C5、将I
作为一个例子,当语义内容为“用户A喜欢打篮球,用户A不喜欢运动”时,可以提取资源I
应用上述实施例解决该多语义问题时,获取与用户A“篮球场”相关的空间数据资源D
在本发明的另一个实施例中,步骤S3中多语义形成原因为信息资源冗余时,所采用策略具体包括:
D1、查找冲突的信息资源I
D2、在信息图表中搜索与之相关的信息资源I
D3、将I
D4、确定I
D5、将I
将该实施例用于解决前述语义内容为“用户A喜欢打篮球,用户A不喜欢运动”的多语义问题时,获取相关信息资源I
在本发明的一个实施例中,步骤S3中多语义形成原因为数据资源冗余时,所采用策略具体包括:
E1、查找冲突的数据资源D
E2、在数据图表中搜索与之相关的数据资源D
E3、将D
E4、确定D
E5、将D
作为一个例子,当语义内容包含数据资源D
应用该实施例解决“今天的温度”的多语义问题时,获取数据资源D
在本发明的另一个实施例中,步骤S3中,多语义形成原因为数据资源冗余时,所采用策略具体包括:
F1、查找相互冲突的数据资源D
F2、在信息图表中搜索与信息相关的相关信息资源I
F3、将I
F4、确定I
F5、将I
将该实施例用于解决前述“今天的温度”的多语义问题时,获取信息资源I
以上所述仅为本发明的较佳实施例,并不用以限制本发明,凡在本发明的精神和原则之内,所作的任何修改、等同替换、改进等,均应包含在本发明的保护范围之内。
机译: 使用面向对象的内容提供多语言学习服务的方法和系统
机译: 使用面向对象的内容提供多语言学习服务的方法和系统
机译: 一般名称的多语言面向语义相似性计算方法及其应用