事件域认知模型

摘要： 王寅基于认知语言学的基本观点,提出了兼顾线性和层级性分析、静态场景分析和动态场景分析中均可使用的事件域认知模型(即Event-domain Cognitive Model,简称ECM)分析方法[1],该方法可以合理、系统地解释词汇语义变化,对中学英语词汇教学具有启发意义。本文总结中学英语词汇教学存在的主要问题,并结合ECM在词汇层面的解释力,阐释ECM对于中学英语词汇教学的启示,旨在为教师的词汇教学提供参考,从而促进学生词汇学习成效的提高。

摘要： 网络流行语是随着网络发展,在网络上用以表达观点的一种新型网络语言,过去对于网络流行语的研究主要是从其形成机制、词语分类、社会心理和文化角度入手,极少从符号学的角度对其进行分析研究。本文选取2020—2021年来出现的四字网络流行语,从符号学的角度进行分类,并对其意义建构过程展开研究,以期对网络流行语有更深刻的认识。

摘要： 移就XY是属性X转移而相随于Y的辞格。以事件域认知模型和心智哲学(ECM+PM)为理论框架,以流程图的形式分析了移就的心智加工机制,揭示和阐释了其无意识生成、分布律和体认性。移就的生成始于感受主体的意向态度“打破常规而转移属性”,意向态度决定了事件域中相邻事体的选择,或基于相似联想的事体选择,即意向内容的选择。心理属性和物理属性的选择遵循“自主—依存”原则,心理属性的选择还遵循心智哲学的“心物随附性”,这从心智上解释了移就的分布律“移人于物>移物于物>移物于人”。移就的生成过程充分体现了体验哲学的核心原则“心智的体验性”和“认知的无意识性”以及心智哲学的心物相随性,体认特征突出。

摘要： 情感是人们对外部世界的体验结果,是反映人们自身心理状态的产物。惊讶情感的语义特征明显,表达效果突出,已经成为人们日常生活中的重要表达形式。利用事件域认知模型理论来对比分析英汉惊讶情感表达式,能够完整且清晰地把握非预期事件域,揭示惊讶情感在不同语言下的使用特点,对惊讶情感的认知研究具有重要意义。

摘要： 扬州评话表演者通过使用"容器""整体—多样性"以及"空间"三个图式类别,对"斗杀"事件认知域中的存在行为进行概念化处理.当存在行为相关概念被安置于注意力焦点区域时,表演者根据不同图式将其处理为不同区域、种类以及层级的概念集合.这些概念集合进一步组建成一个跨范畴、多层级的概念网络.表演者根据语篇情节需要以及概念信息度差异,调整存在行为的信息精细度,突显高信息度概念,使其在句法层面承担主语功能,并对其特征及关系进行详细描述.此外,存在行为的参与元素通过"路径"图式建构起识解通道,实现存在行为与其他动态行为的关联,从而使得"斗杀"事件域认知框架成为一个有机整体.

摘要： 情感是人们对外部世界的体验结果,是反映人们自身心理状态的产物.惊讶情感的语义特征明显,表达效果突出,已经成为人们 日常生活中的重要表达形式.利用事件域认知模型理论来对比分析英汉惊讶情感表达式,能够完整且清晰地把握非预期事件域,揭示惊讶情感在不同语言下的使用特点,对惊讶情感的认知研究具有重要意义.

摘要： 以现代汉语口语中特有的"X什么X"构式为研究对象,运用事件域认知模型(ECM)和多重传承模式(MI)对其形式、语义、功能及形成机制进行探究.研究发现,变量"X"可以由动词、形容词、名词、副词、叹词和连词充当,"X什么X"构式在句中作谓语,表达言者对前项事件的主观否定,数量/距离像似性和转喻认知机制促进语用功能的实现.此外,该构式主要是在传承"V什么""不V""别V"三种构式用法特征基础上形成的.

摘要： “你是什么 X?”这个经常出现在口语对话中的句式,除了表示一般的疑问语气还有诘问和责备之意。该句型中的“是” 充当判断动词,该动词前后的论元成分“你”和“X”借助事件域认知模型(ECM) 通过领属,施为,致使和等同等关系相互联系 共同构成构式义并还原整个事件结构。不同逻辑关系下的构式义和语气有所不同,且句法上涉事论元之间语义联系或越紧密,越 不需要真正目标动词的参与。

摘要： 类义复合词作为并列复合词的一个分支,是一种重要的词汇类型,按照词与构词成分之间的语义关系分类,将类义复合词分为合并义类、偏正义类、转化义类和变化义类四种类型.运用王寅的事件域认知模型(ECM)的层级性理论来具体分析这四种类义复合词的语义变化情况,从ECM层级性角度来看,合并类类义复合词的实质是突出任何层级的要素;偏正义类类义复合词的实质是语义的缩小,即用上层的概念表现下层的概念;转化义类类义复合词和变化义类类义复合词的实质是语义的扩大,即用下层的概念表示上层的概念.

摘要： 本发明提出了一种基于知识的自适应事件索引认知模型提取文档摘要的方法，属于自然语言处理和自动文本摘要生成领域。本方法重新定义了事件索引认知模型五类指标的概念、并在标准的人类记忆模型之上，运用了情感属性、核心影响两个维度来提取文档摘要；此方法紧密地反映人类理解文本的过程，在处理非结构化的、不完整的和模糊的文本内容有着独特优势；因此，适合用于涉及数据不确定性的各种场景和应用，包括机器学习、智能应用、图像处理和医疗诊断应用等。

摘要： 本发明公开了一种融合运动学模型和行为认知模型的行车轨迹预测系统，其特征是以交互混合模块对每个预测模块上一时刻的预测结果进行交互混合输出混合结果，混合结果用于下一时刻的预测；预测模块包括基于行为认知的行为认知轨迹预测模块和基于运动学的运动轨迹预测模块，行为认知轨迹预测模块和运动轨迹预测模块根据交互混合模块输出的混合结果进行预测，输出各预测模块的预测结果，预测结果包括车辆位置和协方差矩阵；融合更新模块根据预测结果对最终预测结果进行融合，并更新权重系数，输出未来某时刻车辆位置以及协方差矩阵。本发明能够在车辆行驶过程中不断估计车辆位置状态以及驾驶行为，预测行车轨迹，为智能驾驶决策提供帮助。

摘要： 本发明提出了一种基于知识的自适应事件索引认知模型提取文档摘要的方法，属于自然语言处理和自动文本摘要生成领域。本方法重新定义了事件索引认知模型五类指标的概念、并在标准的人类记忆模型之上，运用了情感属性、核心影响两个维度来提取文档摘要；此方法紧密地反映人类理解文本的过程，在处理非结构化的、不完整的和模糊的文本内容有着独特优势；因此，适合用于涉及数据不确定性的各种场景和应用，包括机器学习、智能应用、图像处理和医疗诊断应用等。

摘要： 本发明提供一种基于噩梦的疾病认知模型构建方法及疾病认知系统，该方法包括：收集噩梦的相关描述文本，将描述文本作为训练语料切分为噩梦特征信息分词；对噩梦特征信息分词进行归一化，得到对应的归一化样本及分词集合；基于最大熵模型对噩梦特征信息分词进行训练，得到噩梦特征的预分类模型；建立噩梦语义特征集合所对应的疾病以及疾病知识库；通过预分类模型对输入的待识别噩梦特征信息分类，基于噩梦语义特征与疾病的对应关系、疾病知识库，匹配输出噩梦对应的疾病及解决方案。可以提高疾病初始筛查确认的效率，降低医生工作强度，并保障临床诊疗的准确性，减少漏诊和误诊几率。

摘要： 本发明提出了一种基于认知模型的呼吸系统疾病认知系统。包括：信息采集模块，用于采集呼吸系统感染的临床数据以及病原学数据，并建立呼吸系统感染分类标准信息库；认知模型模块，用于建立条件随机场模型，获取呼吸系统感染的待诊断临床数据以及待诊断病原学数据，计算呼吸系统感染分类标准信息库与待诊断临床数据以及待诊断病原学数据之间的条件概率数值；诊断模块，用于设定条件概率阈值，将该条件概率数值与条件概率阈值进行比较，当条件概率数值满足条件概率阈值时，生成对应的认知报告。本发明通过条件随机场模型来计算待诊断临床数据以及待诊断病原学数据，能够提高后续对呼吸系统感染认知的精确度，提升整个系统的速度。

摘要： 本发明公开了一种融合运动学模型和行为认知模型的行车轨迹预测系统，其特征是以交互混合模块对每个预测模块上一时刻的预测结果进行交互混合输出混合结果，混合结果用于下一时刻的预测；预测模块包括基于行为认知的行为认知轨迹预测模块和基于运动学的运动轨迹预测模块，行为认知轨迹预测模块和运动轨迹预测模块根据交互混合模块输出的混合结果进行预测，输出各预测模块的预测结果，预测结果包括车辆位置和协方差矩阵；融合更新模块根据预测结果对最终预测结果进行融合，并更新权重系数，输出未来某时刻车辆位置以及协方差矩阵。本发明能够在车辆行驶过程中不断估计车辆位置状态以及驾驶行为，预测行车轨迹，为智能驾驶决策提供帮助。

摘要： 本发明属于人工智能技术领域，公开了一种视觉拓扑认知模型的构建方法、手写汉子识别方法，通过一个早期视觉的计算模型，用Gabor滤波器模拟视皮层中简单细胞的响应；用归一化模型、能量模型模拟相同层级之间细胞的相互作用，实现早期视觉中的局部特征提取；通过一个卷积神经网络模拟视皮层的整体特征提取性质。本发明构造的视觉拓扑认知模型优于单一的卷积神经网络模型，在手写汉字识别上具有更好的鲁棒性。表明了拓扑性应当是视觉系统处理信息的一个基本性质，从视觉层级上对“认知统一结构存在性猜想”做出了初步验证，也开始了对人工智能的第五个基本问题的回应。本发明为智能科学基础理论确立打下了基础。

摘要： 本发明公开了一种仿生空间认知模型的构建方法及系统，该方法包括以下步骤：S1、将模拟大鼠前庭神经感知的速率信息及头朝向信息作为模型的输入，并依次进行信息编码、路径积分、信息叠加及位置解码处理，形成位置细胞放电与空间位置一一映射的表达特性；S2、将预设机器人的运动速率及方向编码在头朝向细胞群体放电活动中，并将机器人的边界信息编码在网格细胞群体放电活动中，实现仿生空间认识模型的构建。有益效果：利用本发明构建的仿生空间认知模型不仅可以实现精确的路径整合及空间认知，而且还可以推动仿生智能机器人环境认知和自主导航系统研究的发展。

摘要： 本发明公开了一种视觉场景认知模型构建方法及系统，该方法包括以下步骤：将获取的图片划分为若干网格点，再以网格点为视野中心获取小图块，并将该小图块作为路标识别单元，得到若干单元图片；将若干单元图片按顺序输入特征层提取视觉特征，使得每个单元图片得到一个128维特征向量；将特征向量输入路标层激活对应的路标神经元，寻找共振神经元，进行模式匹配和权值学习；将当前图片中所有小图块所匹配的路标神经元统计数据作为视觉路标编码信息；将视觉路标编码信息作为情景认知模型的视觉通道属性，得到视觉场景认知模型。有益效果：本发明提供了一种视觉场景认知模型构建方法，可以有效地实现视觉场景认知模型的构建。

摘要： 本发明公开了一种仿生情景认知模型构建方法及系统，该方法包括以下步骤：对来自环境感知的信息进行堆叠，构建输入层；将输入层的激活模态投射至事件层，并选择性激活事件神经元；在事件层中生成激活，得到事件神经元的激活值；形成有序的激活模式，得到激活序列；激活一个对应的情景神经元作为情景识别的结果；从事件层到输入层对整个情景进行检索；利用情景认知地图对各情景进行结合，得到仿生情景认知模型。有益效果：本发明运用自适应性共振理论网络作为基本单元模块，结合海马结构空间认知模型，在时空维度上对传感和运动信息提取编码形成情景认知，能够有效地组织机器人包括内部状态和外部环境的认知记忆的经验。