语义解释

摘要： 互联网法院作为网络思维、网络技术与现代司法深度融合的产物,它是以“网上案件网上审”为审理思维,充分运用网络信息技术手段,将网络案件受理、送达、调解、证据交换、庭前准备、庭审、宣判、送达等诉讼环节在线化,构筑前置化调解、ODR、诉讼等多层级、多元化的解决网络纠纷的专门性审判机关。互联网法院作为我国网络治理模式的“试验田”,其演进历程与法院信息化建设息息相关,从1995年的萌芽至今,互联网法院演进逻辑可划分为四个阶段,初创期(1995年)、探索期(1996-2011年)、快速形成期(2012-2018年)、实践期(2019年至今)。从语义与实证分析可窥见,互联网法院的功能定位为解决网络纠纷、便利民众以及探索网络治理新模式,旨在建立高效、便捷、专业、低成本的网络纠纷化解机构,从而推动网络纠纷的专业化治理和网络空间治理的法治化。

摘要： 揣测(或“猜测”)属于一种主观认知情态范畴,在人类语言中大量存在。作为现代汉语揣测范畴中最为典型的两个实义词,“可能”和“或许”有着不同的句法分布位置,语义上也呈现出各自的特征。“可能”“或许”与不同类动词组合造成结构能否自足的原因与动作动词和状态动词的小类有关;在疑问句和对推测的否定句中,“可能”可以名物化,“或许”不可以;“可能”具有程度等级特征,“或许”无程度等级特征;只有数量结构或有数序列特征的名词才能直接与“可能“”或许”组合。

摘要： 本文从生成句法角度探讨量词结构的内部结构及其句法推导。笔者认为,量词结构的两种基本形式为[DP Spec[D`D[NumP Num Cl[NP N]]]]和[DP Ni[D`D[NumP Num Cl[NP ti]]]],无论是前置型量词还是后置型量词,均基础生成于[Num NumP]位置,量词在其它位置出现,都是句法移位的结果;量词与功能中心语D之间存在一定的特征核查关系,该核查关系在不同语言中实现方式不同:汉语、侗台语族和苗瑶语族等量词前置型语言仅仅通过特征匹配来实现,而藏缅语族量词后置型语言则需要借助于名词和量词移位才能完成特征核查。因此,正是不同的特征核查方式造成了不同类型的量词结构。

摘要： "把"字句作为一种特殊的句式,一直是汉语语言学研究的热点话题.受认知科学、类脑计算、人工智能、自然语言处理等学科的影响,"把"字句的语义问题得到越来越多学者的关注.关于"把"字句的语义问题,目前影响较大的有"处置说"和"致使说",但二者都存在着不够全面或者解释力不强的问题.文章对以往"把"字句的语义研究进行了系统的梳理,阐述了各家的代表观点,同时也指出了目前研究中存在的各种争议,以期呈现"把"字句语义研究的完整脉络,为今后的深入研究奠定基础.

摘要： 本文从生成句法角度探讨量词结构的内部结构及其句法推导.笔者认为,量词结构的两种基本形式为[DP Spec[D`D[NumP Num Cl[NP N]]]]和[DP Ni[D`D[NumP Num Cl[NP ti]]]],无论是前置型量词还是后置型量词,均基础生成于[Num NumP]位置,量词在其它位置出现,都是句法移位的结果;量词与功能中心语D之间存在一定的特征核查关系,该核查关系在不同语言中实现方式不同:汉语、侗台语族和苗瑶语族等量词前置型语言仅仅通过特征匹配来实现,而藏缅语族量词后置型语言则需要借助于名词和量词移位才能完成特征核查.因此,正是不同的特征核查方式造成了不同类型的量词结构.

摘要： 作为龙树中观思想重要的方法论,四句的应用非常广泛.它描述的是对任一命题X,都存在四种(是、否、双是、双否)可能性,从表面看四句违背了矛盾律与排中律,无法进行逻辑语义化解释.现代逻辑的介入,为四句形式语义解释提供了可能,但也带来新的困惑,双重否定律与推理规则面临失效.对否定的二重语义解释是解决问题的关键,谓词否定与语句否定的区分使四句不违背矛盾律、排中律,习俗否定与胜义否定的区分使四句不违背双重否定律.如此,四句的语义解释在经典二值逻辑下成为可能,四句不违背逻辑规律与推理规则.

摘要： 功用在名词的物性角色中处于核心地位,“功用+名”是汉语中常见而能产的复合词构造方式.(宋作艳2016)本文要进一步探讨的是,复合词内部选择N或V实现功用义的差异,包括N、V与同一中心成分构词的合法性、词语缺位、由语义相关的N、V与同一中心成分构成的同义词语的语义语用差异等;表功用义的N、V内部的语义差异体现在N1是N2功用义隐含谓词的客体或结果,可能具有叠加功用义或功用多解性,而V在体现N的原型默认功用或特殊功用时具有不同的呈现可能性.基于上述分析,本文提炼出定中式复合词内部功用义实现方式的三条选择规则:Ⅰ.组构双音词,表达常规功用,V常常隐含,优先提取V的客体或结果组构NN定中式;Ⅱ.组构双音词,若需凸显特殊或细分功用,会选择V(主要是Vi)组构VN定中式;Ⅲ.组构多音词,优先选择V双表达特殊或细分功用,组构VN定中式.

摘要： "给"字句是现代汉语中的常用句式,为考察这一句式,本文将以小说《莫言的世界》作为基础语料,从"给"字的词性出发,围绕"给"字句表达的语义,分析说明"给"分别做动词和介词时的使用情况。

摘要： 本文主要对Never shall I+VP的句法移位进行句法与语义的解释与分析。在此句中,前置否定成分never由原来的Adv位置移入Foc P的指称词位置,情态动词shall移入Foc P的中心语位置。本文假设,否定词never在本句中因为受到焦点化处理进入指称语位置,指称语无法与空语位相呼应,因此情态动词移入Foc P的中心语位置。移位的语义解释是为了加强语气使语义更加清晰,同时经过核查,语义无解特征同时也会引起移位。

摘要： 本文主要对Never shall I+VP的句法移位进行句法与语义的解释与分析.在此句中,前置否定成分never由原来的Adv位置移入FocP的指称词位置,情态动词shall移入FocP的中心语位置.本文假设,否定词never在本句中因为受到焦点化处理进入指称语位置,指称语无法与空语位相呼应,因此情态动词移入FocP的中心语位置.移位的语义解释是为了加强语气使语义更加清晰,同时经过核查,语义无解特征同时也会引起移位.

摘要： 从形式上分析，句子Npl+Vp+Np2里Np2是宾语。除受事外，宾语还可以在与谓词的配价关系中担任非受事的其他语义角色。本文讨论了主要非受事宾语句的语义解释，并用述谓结构加以描述。

摘要： 语义的表示与解释是自然语言理解研究中的一个核心问题,内涵逻辑和时态逻辑是目前广泛使用的形式化语义描述语言.本文借鉴Cresswell可能世界语义学的思想,扩展了基本时态逻辑系统,使之能够更有效地描述自然语言的语义.在此基础上,设计与实现了一个时态逻辑自动语义解释系统.

摘要： 军事信息资源的处理已经不仅限于信息的存储、索引和检索等操作,而是将信息作为潜在资源,挖掘其中的知识,这需要掌握比索引和关键词提取等更为复杂的分析技术,目的是找出数据相关性并对隐藏在数据背后的现象作出语义解释.本文首先分析基于大数据理论处理军事信息资源的基本流程;其次以假设的部队编制信息数据为例,通过运用大数据技术分析汇总部队人员编制执行情况数据,确定满编率与人员类别、区域之间的内在联系,以及目前军队各类别人员编制实际执行情况的规律或趋势,讨论部队人员的管理问题.

摘要： 代词的回指现象是自然语言中广泛存在的现象,对代词进行语义解释的重点是找出代词与其先行词之间的联系。探讨了DRT在处理回指现象方面的特点及优势:DRT的重要理论突破是将传统形式语义学的分析对象由单句扩展到了句子系列,由静态地刻画真值扩展到动态地刻画语篇信息.DRT对代词及名词短语之间回指关系的语义解释也加入了上下文的因素进行了动态分析,代词与其先行词之间的关系在整个语篇中得到体现,回指关系的可及与否也得到了清晰的刻画.

摘要： 我们给出说谎者悖论的一种新分析，利用关系语义建立了说谎者语句的语义解释。我们证明了,说谎者语句在某关系框架上不蕴涵矛盾，当且仅当该框架不含奇循环。由此，在下述意义上建立了说谎者语句不说谎的系统改系统恰好为无奇循环的框架类刻画。

摘要： 蒋严(1998)认为“都”只有一个意义，即表示全称量化，相当于人们通常所说的总括义，而出现在“连……都”中的“甚至”义和所谓的表“已经”的意义都是从第一个意义通过上下文推导出来的。本文介绍了三分结构的概念以及焦点对三分结构的影响，对可能的例外和相关的问题进行了探讨。

摘要： 在名词短语中定语的类型和名词槽关系研究成果的基础上,首先研究了各种类型的定语与槽关系类型的对应,然后探讨了这种对应在名词短语语义解释上的作用.

摘要： 绍兴方言中的述语重叠式有两种,表达的语法意义各不相同。第一种是表示动作的量,即表动作的短暂或尝试性，如"葛*本书让我看看","我来问问伊"，第二种是表示反复问，如"葛*本书诺*有有?""糕干诺*要要吃?"赵元任曾在《现代吴语的研究》中指出过这第二种重叠式的特点,说绍兴方言"光把动词说两遍就算问话式"，实际上上述第一种重叠式是两个述语间减少了"一",第二种重叠式是两个述语间减少了"勿"，鉴于此，本文就绍兴方言中的两种述语重叠方式及其语义进行了探讨。

摘要： 类型逻辑语义学是当前计算语义学研究中的热点之一,本文通过对人机对话领域中例句的分析,显示了通常情况下疑问语句、带有补语动词的肄问语句以及带有多义项词的语句获得语义解释的过程.

摘要： 读唐宋诗词时，我们常看到一个跟在动词或形容词之后、位于句中的“去”。本文介绍了“死去元知万事空”等诗句中“去”的方言解释。

摘要： 本发明公开了一种基于语义的可解释人职匹配方法及系统，匹配方法包括：接收求职者的简历文本、招聘人员的招聘信息文本，将每个文本向量化为文本嵌入向量表示；对每个文本的嵌入向量表示进行建模得到每句话的状态表示和每个文本的整体状态表示；将每个文本中每句话的状态表示通过相似度矩阵的方法模拟全局语义得到每句话的针对表示和每个文本的整体针对表示；将每个文本的整体状态表示与整体针对表示拼接得到每个文本的最终表示并输入多层感知机计算匹配度；给出推荐与解释。本发明可用于解决目前的推荐算法不能很好地处理非结构化招聘信息及简历的问题及推荐过程中无法给出合适的推荐理由的问题。

摘要： 本发明公开了一种基于卷积神经网络的入侵检测及语义决策树量化解释方法，将流量数据转换成流量灰度图像作为输入，对增加了可解释性的卷积神经网络进行训练，并用检测集对训练后的模型进行检测；利用类激活图构建攻击细节图像并输入训练后的卷积神经网络模型提取聚类特征进行聚类，计算检测到的异常样本与各类攻击聚类中心的距离，利用该距离建立决策树；计算语义匹配率为建立的代理决策树赋予语义意义，并利用该匹配率对语义决策树的解释效果进行量化评价。本发明对比多个模型及其改进后模型的检测性能与可解释性能，建立语义决策树对效果最优的模型进行解释，并设计语义匹配率对解释效果进行量化评价。

摘要： 本发明公开了一种可解释的人工智能医疗图像语义分割方法，包括以下步骤：获取医疗图像训练样本数据，并对获取的医疗图像训练样本数据进行整理，然后对医疗图像训练样本数据进行数据集划分，划分得到测试集和训练集；根据获取的医疗图像训练样本数据构造深度训练模型，同时测试深度训练模型在测试集上的预测性能，得到深度训练模型的预测性能结果，本发明通过对医疗图像彩色图及其对应的深度图同时进行训练与分析，不仅能够提高语义分割结果的准确性，还能够增加语义分割的使用范围，同时在进行训练与分析之前，通过对训练模型进行验证与解释，能够预测通过该方法得到的语义分割结果的准确度，有利于实际的应用。

摘要： 本发明涉及一种基于语义角色标注的概念解释抽取方法及应用，所述方法包括以下步骤：获取待处理文本，将该待处理文本分割成句子；通过语义角色标注法抽取每个句子的角色特征部分，形成初始概念和解释；基于预先构建的词性句法规则树对所述初始概念和解释进行匹配处理，获得符合规则的最终概念和解释；本发明还提供一种如上所述的基于语义角色标注的概念解释抽取方法在Rest服务中的应用。与现有技术相比，本发明具有自动、快速、准确等优点。

摘要： 本发明提供了一种基于特征选择的可解释性语义通信系统，与传统的通信系统兼容。采用特征选择，只选择与任务相关的语义信息进行传输。基于本发明还提供了两个信息论指标：率失真感知函数和语义信道容量，分别用来描述语义信息的压缩和传输。用闭式表达式推导了语义信道容量的上下界。提出了一个可行的可解释语义通信系统的设计方案。建立了一个无线移动语义通信概念验证原型来实现语义通信设计。实验证明，本发明系统能够显著优于现有的方法，并在两个基准数据集上显示出对各种噪声水平的鲁棒性。本发明提供了语义通信的框架和理论度量来解释和分析黑盒语义通信问题，并为在实际通信系统中实现语义通信提供指导。

摘要： 本发明公开一种可解释边缘注意力和灰度量化网络的红外语义分割方法，基本步骤如下：1)利用卷积神经网络提取多级语义特征和边缘特征；2)利用边缘注意力金字塔对各级语义特征进行边缘融合；3)利用灰度量化网络对初步分割结果进行纹理修正；4)构造边缘和纹理损失函数进行协同训练；5)用训练好的红外语义分割模型处理热红外图像。本发明基于卷积神经网络构造可解释网络模块，通过以注意力机制和多尺度结构为基础的边缘注意力金字塔融合边缘语义特征，并利用灰度量化网络引入灰度空间分布信息以修正纹理细节。本发明可与各类基于热红外图像和语义分割的应用系统相结合，帮助提升红外场景解析能力，具有广阔市场前景与应用价值。

摘要： 本发明公开了一种基于人工智能文本语义相似度分析的语义解释方法，包括步骤：步骤1)建立语义解释模型；步骤2)构建语义语料库，按语义解释模型人工标注文本并存储，每个文本对应一条语料；步骤3)统计计算，依据建立的语料库，统计所有词语及其各个语义表示出现的语料数及语料库中的语料总数；步骤4)词语语义转换，对新文本D进行分词及过滤处理后，按需选取若干特征词语进行语义转换，建立向量空间模型V1；步骤5)建立全部文本向量空间模型，对未进行语义转换的词语建立向量空间模型V2，合并V1与V2，得到全文本向量空间模型V；步骤6)对新文本D'重复步骤3、步骤4，得到其向量空间模型V'；步骤7)利用余弦公式，计算文本D与D'相似度。

摘要： 本发明公开了一种基于人工智能文本语义相似度分析的语义解释方法，包括步骤：步骤1)建立语义解释模型；步骤2)构建语义语料库，按语义解释模型人工标注文本并存储，每个文本对应一条语料；步骤3)统计计算，依据建立的语料库，统计所有词语及其各个语义表示出现的语料数及语料库中的语料总数；步骤4)词语语义转换，对新文本D进行分词及过滤处理后，按需选取若干特征词语进行语义转换，建立向量空间模型V

摘要： 本发明属于深度学习可解释性领域，特别涉及一种面向深度学习模型的隐语义解释方法。本发明通过解析描述目标任务领域中的多源数据，抽取其中蕴含的人类认知语义，实现多源数据的语义构建。在领域相关知识的基础上，进行典型任务数据的语义标签构建，并在此基础上对深度学习模型内部神经元进行语义解释，即模型的隐语义解释，完成“黑盒”模型的理解，提高模型结果的可信度，同时提升人对可解释结果的直观认知。

摘要： 本发明公开一种基于语义对齐的深度神经网络可解释方法，引入语义概念，通过隐层特征与语义概念的对齐，来对DNN模型的输出结果做出有语义价值的解释，同时对数据集导致的语义偏差做出纠正。该方法提出了一个语义对齐模块，可插入到现有的神经网络中。该模块的主要算法流程包括：步骤S1，隐层特征归一化，令隐层特征具有单位方差；步骤S2，隐层特征解耦，消除隐层空间特征之间的相关性；步骤S3，语义筛选，去除与语义集偏差较大的元素；步骤S4，语义对齐，令隐层特征落入到语义线性子空间，从而获得语义解释。本发明的有益效果在于，1）在不影响预测结果和性能的同时，提供了基于语义的解释；2）通过语义筛选避免了数据集导致的语义偏差问题。