框架语义

摘要： 针对英文句子相似度计算问题,提出基于框架语义(frame semantics)的分析计算方法.对比传统基于关键词及句子结构等计算方法,提出的方法考虑整个句子的语义信息,即关键词的上下文信息,以提高相似度计算结果的准确性.该方法建立在框架语义库FrameNet之上,并结合使用语义框架抽取工具Semafor及命名实体抽取工具NER,以减少人工参与,提高方法的执行效率.通过扩展FrameNet中的语义框架类别,应对部分关键词无法激起框架的问题;通过量化框架间语义关系并定义计算规则,实现句子间相似度的计算与判断.在标准测试集上的实验结果表明,该方法的计算结果在准确率、召回率等评价指标上,优于传统方法.

摘要： 基于框架语义的推理是实现语篇理解、问答系统等任务中语义理解的一种有效手段,框架语义推理通过构建汉语篇章句子框架之间的联系寻找推理路径,但框架元素内部的表述共指阻碍了框架之间联系的建立.针对该问题,提出一种基于框架特征的共指消解方法,该方法通过融合汉语框架语义信息并采用多种分类算法实现共指消解.框架语义篇章语料集上的实验结果表明,将汉语框架特征应用于分类器上能够较好地提升共指消解结果,且支持向量机的分类效果优于朴素贝叶斯、决策树等分类算法.

摘要： 该文通过分析公示语英译过程中的框架操作,包括框架成分增减,框架成分替换,框架视角转换和框架移植,探讨框架语义下公示语英译中的翻译策略,从而减少公示语翻译中的失误.

摘要： 框架语义学对理解原语文本、构建译文和评价译文质量都有很好的借鉴作用.本文从框架对等的角度评价《天净沙·秋思》的五个版本的英文译文,通过分析译文中框架元素的增减、更换和框架视角的转换来判断是否存在漏译误译等问题,从而评价译文质量的高低.

摘要： 相对于普通阅读理解,高考语文阅读理解难度更大,问句更加抽象,答案候选句的抽取除了注重与问句的相似性分析,还注重对材料内容以及作者的观点的概括归纳.因此该文提出了利用汉语框架网(Chinese FrameNet)抽取与问句语义相似的候选句的方法,通过识别篇章主题(段落主题句和作者观点句),生成与问句相关的内容要点以及作者的观点态度,最终选取top 6作为答案句.在近12年北京市高考真题上进行测试,召回率达到了68.69％,验证了该方法的有效性.

摘要： 本文在框架语义学(frame semantics)视角下对中美贸易战话语进行了历时比较和批评认知分析。2019年6月底至8月底短短两个月内,中美贸易战形势发生了激烈变化,我们将此阶段中方关于中美贸易战的话语建立语料库作为研究对象,根据事件变化时期特征,将6月底至7月底话语语料库计为语料库1,而将8月份话语计为语料库2。我们用AntConc 3.4.3分别检索话语关键词“trade”的主要搭配词,以Shroter&Storjohann(2015)所修正的事件框架语义范畴作为模板标准,探究中美贸易战话语在不同局势变化下对贸易事件框架话语构建的策略差异并深入分析其中的原因和动机。

摘要： 事件检测是信息抽取领域的一个重要研究方向,目前的事件检测方法往往受限于数据稀疏、语料例句分布不平衡和歧义问题.该文研究发现框架语义知识库FrameNet(FN)含有丰富的已标注框架的语料,并且FN中定义的框架和事件检测中定义的事件具有极其相似的结构.框架由词法单元和一组框架元素组成,可与事件中的触发词和论元形成对应关系;而且,FN中的许多框架实际上也能表达某些事件.因此,该文利用这一相似性构建事件类型与框架类型的映射关系,从而选取FN中合适的例句作为事件检测的扩充语料,以此来优化事件检测性能.实验结果显示,针对触发词识别任务和事件类型识别任务,该文提出的框架语义辅助方法取得了较好的效果.

摘要： 本文介绍汉语框架语义知识库(chinese FrameNet,简称CFN)的语义知识描述方法。CFN是由山西大学开展的一个供计算机使用的汉语词汇语义知识库构建工程,该知识库以Fillmore的框架语义学为理论基础、以伯克利FrameNet为参照、以汉语语料事实为依据,由框架库、句子库和词元库三个子库组成。经过三年的努力,目前已取得了阶段性成果。

摘要： 本文的目的是构建一个面向信息处理的形式化的汉语语义描述系统.这个系统以Fillmore框架语义学为理论基础,包含框架语义构造式和框架两个子系统,从而把句法语义的构造跟词汇语义信息联系起来,系统表示汉语语义.框架语义构造式包括基本构式和复合构式,我们归纳了150个汉语顶层框架的基本构式,各种句式的复合框架构式:初步构建了24个顶层框架,29个框架参与元素,并建立了框架之间的多种联系.

摘要： 本文研究一种基于框架语义的汉语文本知识表示方法,该方法正在汉语框架网络工程(CFN)中实施应用.文章构建了表示禽流感新闻报道所需的部分框架及其关系,从已经建立好的禽流感新闻语料库中选取一篇报道,示范性地提取了文本框架语义信息;然后探讨实现这种文本语义框架需要解决的各层面语言分析问题,并针对这些问题提出了处理建议.

摘要： 汉语的句法结构可以从多角度、多层次进行分析,但如果服务于框架语义分析,则有其特定的要求.本文试图构建一个汉语句法分析模型,它是一个词汇化的句法分析模型,能够解决框架语义分析的特定需要.我们使用了BaseNP的界定和依存关系模型,后者中心词的确定是研究重点.由于框架语义分析的实质是研究中心词与支配词之间的依存关系,因而面向框架语义分析的句法分析需要分析出句法中心词.而词汇的引入必然带来严重的数据稀疏问题,针对此问题本文采用了删除插值平滑算法.最后,通过对一个实例的部分数据分析,可以预期此句法分析模型具有较高的准确率.

摘要： 高考语文阅读理解问答相对普通阅读理解问答难度更大,问句抽象表述的理解需要更深层的语言分析技术,答案候选句抽取更注重与问句的关联分析,答案候选句排序更注重答案句之间的语义相关性.为此,该文提出借助框架语义匹配和框架语义关系抽取答案候选句,在排序时引入流形排序模型,通过答案句之间的框架语义相关度将排序分数进行传播,最终选取分数较高的Top-4作为答案句.在北京近十二年高考语文阅读理解问答题上的准确率与召回率分别达到了53.65％与79.06％.

摘要： 本文主要介绍了中文阅读理解语料库的构建过程,重点介绍了语义标注的过程,内容包括对文章的筛选、问句的设计、指称指代标注、框架语义标注、以及语料库评测标准等相关工作的描述。

摘要： 事件关系分类是一项研究事件之间存在何种逻辑关系的自然语言处理技术.该文针对事件关系分类任务中训练语料不足的问题,提出了基于Tri-Training的事件关系分类方法.该方法首先根据已标注的语料训练三个不同的分类器,以多数投票的方式从未标注集中抽取置信度较高的样本对训练集进行扩充,然后利用新的训练集重新训练分类器,如此反复迭代,不断完善分类模型,最终达到提升事件关系分类性能的目的.实验结果表明,以F1值为评价标准,基于Tri-Training的事件关系分类方法在四大类事件关系上的分类性能为64.36％.

摘要： 事件关系分类是一项研究事件之间存在何种逻辑关系的自然语言处理技术.该文针对事件关系分类任务中训练语料不足的问题,提出了基于Tri-Training的事件关系分类方法.该方法首先根据已标注的语料训练三个不同的分类器,以多数投票的方式从未标注集中抽取置信度较高的样本对训练集进行扩充,然后利用新的训练集重新训练分类器,如此反复迭代,不断完善分类模型,最终达到提升事件关系分类性能的目的.实验结果表明,以F1值为评价标准,基于Tri-Training的事件关系分类方法在四大类事件关系上的分类性能为64.36％.

摘要： 事件关系分类是一项研究事件之间存在何种逻辑关系的自然语言处理技术.该文针对事件关系分类任务中训练语料不足的问题,提出了基于Tri-Training的事件关系分类方法.该方法首先根据已标注的语料训练三个不同的分类器,以多数投票的方式从未标注集中抽取置信度较高的样本对训练集进行扩充,然后利用新的训练集重新训练分类器,如此反复迭代,不断完善分类模型,最终达到提升事件关系分类性能的目的.实验结果表明,以F1值为评价标准,基于Tri-Training的事件关系分类方法在四大类事件关系上的分类性能为64.36％.

摘要： 事件关系分类是一项研究事件之间存在何种逻辑关系的自然语言处理技术.该文针对事件关系分类任务中训练语料不足的问题,提出了基于Tri-Training的事件关系分类方法.该方法首先根据已标注的语料训练三个不同的分类器,以多数投票的方式从未标注集中抽取置信度较高的样本对训练集进行扩充,然后利用新的训练集重新训练分类器,如此反复迭代,不断完善分类模型,最终达到提升事件关系分类性能的目的.实验结果表明,以F1值为评价标准,基于Tri-Training的事件关系分类方法在四大类事件关系上的分类性能为64.36％.

摘要： 本发明公开了语义编码器、解码器和语义通信框架，属于语义通信领域。本发明在传统的语义通信架构基础上，在语义编码器中增加语义比较器，在语义解码器增加语义推理器。所述语义通信架构不在发送方对语义信息进行直接编码，而是训练一个语义比较器，该语义比较器能够区分出发送方的专家推理路径，语义推理器通过和语义比较器对抗式训练，学习到语义发送方专家推理路径的推理机制，最后直接能对接收到的信息进行解码恢复出语义信息，解决了对隐式语义信息中的语义推理机制难以编码的问题，并且能够实现语义信息的解码。

摘要： 本发明公开了一种基于迁移学习提升语义分割模型效果的框架，包括下述内容：1)将迁移学习引入到语义分割领域，使得快速语义分割网络可以通过教师模型提升学生模型分割效果；2)提出一致性映射度量教师和学生模型的轮廓和纹路信息，并通过构造一致性损失函数来使得快速语义分割在细节处分割得更好；3)利用老师模型和条件随机场(CRF)模型为无标签数据生成辅助标签，并把数据加入到训练集，提升模型的泛化能力和分割效果。本发明在不引入额外模型参数，降低模型速度的情况下，提升了快速语义分割模型的准确率。

摘要： 本发明公开了基于深度学习三层语义抽取框架的假新闻识别方法及系统，包括：获取目标新闻文本；对目标新闻文本进行向量化处理，得到目标新闻文本每个字的初始表示向量；将目标新闻文本每个字的上下文信息嵌入到每个字的初始表示向量中，得到含有上下文信息的字向量矩阵；对含有上下文信息的字向量矩阵，提取若干个特征图；对所有的特征图，进行封装操作，得到最终融合特征；对最终融合特征进行分类，得到目标新闻文本是否为假新闻的结果。

摘要： 本发明公开了语义信息表示方法、语义编码器、解码器和语义通信框架，属于语义通信领域。本发明在传统的语义通信架构基础上，在语义编码器中增加语义比较器，在语义解码器增加语义推理器。所述语义通信架构不在发送方对语义信息进行直接编码，而是训练一个语义比较器，该语义比较器能够区分出发送方的专家推理路径，语义推理器通过和语义比较器对抗式训练，学习到语义发送方专家推理路径的推理机制，最后直接能对接收到的信息进行解码恢复出语义信息，解决了对隐式语义信息中的语义推理机制难以编码的问题，并且能够实现语义信息的解码。

摘要： 本发明公开了一种基于语义框架的互动知识学习方法，包括步骤1：增加好奇心模型；步骤2：根据解答问题的能力和可信度，按照不同知识领域，为每个渠道和用户维护一个可信度值，并为生成的知识累计不同渠道的置信度；步骤3：重新设计语义网络存储结构，按照置信度对知识存储空间进行划分；步骤4：构建统计认知模块；步骤5：根据知识的过筛情况，将结果反馈到不同渠道和用户，并调整其对应领域的可信度的值，形成一个动态的知识构建闭环；步骤6：各渠道或用户的可信度在下一次知识构建过程中体现到知识的置信度上。通过对不同等级置信度知识的存储进行划分和隔离，在于外部交互的过程中，动态的构建知识，从而使得到的正式知识更加有效。

摘要： 本发明涉及语义识别技术领域，公开了一种通用语义框架的实现方法，解决现有的语义识别框架存在服务器资源浪费、开发时间成本和人力成本较高的问题，包括以下步骤：框架首次启动时，从数据库的Redis中获取各技能的配置组件，并检查各配置组件是否符合通用配置规范，对于符合通用配置规范的配置组件，生成对应技能的配置信息，并将所述配置信息加载至框架的Metadata中；调用组件初始化方法对配置组件进行初始化，并在初始化完成后将其加载至内存中；为所述框架开发访问接口、新增技能接口、删除技能接口和升级技能接口。本发明不仅减少了服务器资源的浪费，还减少了开发的时间成本和人力成本，适用于语义识别。

摘要： 本发明公开了一种基于主从框架模式的语义成分解析方法，其包括步骤：通过训练语料得到基本表达模式、实体修饰模式、谓语修饰模式及辅助判断材料；将基本表达模式、实体修饰模式、谓语修饰模式索引到Trie树；利用基本表达模式树、谓语修饰模式树以及实体修饰模式树对语句进行解析得到候选层次语义成分树；对所述候选语义成分树进行排序并得到所述语句的最优语义成分树。本发明解决了目前语义分析需要大量样本标注及过度依赖句法分析效果的问题。

摘要： 本发明提供了一种基于语义Web技术的建筑数字孪生框架及建模方法，所述建筑数字孪生框架包括物理空间实体、虚拟空间模型和关联数据库，其中物理空间实体为数字孪生框架提供建筑实体源数据，虚拟空间模型用于对建筑资源作虚拟化抽象，所述关联数据库依托模型语义化功能为框架运行提供数据驱动，所述关联数据库包括监测时序和结构分析两个关系数据库以及面向监测、建筑信息和结构分析的三个RDF模型，通过对同一领域RDF模型与相应关系数据库的数据联合查询、对不同领域RDF模型于本体层面建立映射关系，促使数字孪生框架信息流的匹配更新与实时交互，通过实测响应与仿真结果的联合查询与一致性检查从而在数据层面验证模型的虚实映射功能。

摘要： 本发明公开了一种基于元学习框架的弱监督小样本语义分割方法，针对基于CAM的弱监督语义分割方法只关注最具辨别力的区域，不能覆盖整个目标的问题，本发明采用有权重复类激活映射方法，能够生成更好的种子区域以覆盖更多目标，提高伪掩码质量；针对传统网络需要重新训练学习新任务导致低效且不够智能的问题，本发明采用基于元学习算法的小样本语义分割方法，通过学习少量样本完成新的分割任务，提高神经网络的泛化性能。

摘要： 本发明涉及知识图谱和自然语言处理领域，公开了一种基于框架语义映射和类型感知的篇章事件抽取方法及系统。系统包括编码器模块、事件检测模块以及论元识别模块。方法中框架语义映射是在事件检测模块中将汉语框架网(Chinese FrameNet，CFN)与篇章事件进行映射，同时在文本输入阶段对篇章进行滑窗机制的文本切分并融入触发词释义信息，从而改善了篇章事件抽取中的数据稀疏问题；而类型感知则是在论元识别模块中通过事件类型标签对篇章多事件进行分离，将篇章多事件转化为多个单事件，缓解了多值论元耦合问题，最后本发明将事件检测与论元识别两个模块的输出标签进行整合，形成完整的事件表示，在中文篇章事件抽取相关数据集上取得了良好的效果。