导读:本文包含了语义规则论文开题报告文献综述、选题提纲参考文献及外文文献翻译，主要关键词:语义,规则,递归,施事,受事,在线,复合词。
语义规则论文文献综述
黄毅[1]（2019）在《基于上下文溯源和语义规则的云服务信任评估研究》一文中研究指出针对当前云服务信任评估研究存在的问题,提出一种基于上下文溯源和语义规则的信任评估方案,保障云服务的可信性和安全性。引入数据溯源理念,在需求分析的基础上构建云服务信任评估框架,并就框架的各个功能模块进行了详细的论述和分析。运用PROV模型对云服务的上下文溯源信息进行了分析和描述,并设计了基于"提问-反馈"的语义评估规则,详细阐述了云服务信任度的计算过程。分析结果表明,该方案可以有效地搜集和描述云服务的溯源信息,并通过语义规则进行信任评估,具有较好的适用性,可以为提升云服务的信任评估水平提供借鉴。(本文来源于《电脑与电信》期刊2019年08期）
邵良杉,周玉[2]（2019）在《基于语义规则与RNN模型的在线评论情感分类研究》一文中研究指出为提高互联网中在线评论文本的情感倾向分类准确率,方便消费者和商家准确高效地获取信息,该文提出一种将语义规则方法与深度学习方法相结合的在线评论文本情感分类模型,对基于情感词典的语义规则信息进行扩展,嵌入到常用特征模板中组合成更有效的混合特征模板;采用Fisher判别准则方法对混合特征模板进行降维以消除特征间的信息冗余;深度学习模型采用基于LSTM改进的RNN模型,将网络爬取的数据输入到模型进行训练和测试。结果表明,语义规则抽取出的特征包含更多、更准确的情感信息,使得混合特征模板可以更加全面地考虑文本的情感特征粒度;Fisher准则可有效识别出高判别性的低维文本特征,进一步提高改进RNN模型对评论文本的分类性能。(本文来源于《中文信息学报》期刊2019年06期）
常曹育,吴陈[3]（2019）在《多层次语义规则和表情特征下的微博情感研究》一文中研究指出基于当前机器学习方法在中文微博文本情感分析处理过程中的复杂性、低准确率等问题,文中提出在统计情感词的基础上,结合情感影响因子和语义规则,并加入表情特征这一重要元素,优化文本情感加权计算方法,提高情感判断的准确率。通过对爬取到的原创微博数据集进行实验分析,验证了新情感分析算法的可行性。(本文来源于《信息技术》期刊2019年03期）
杜翠凤,陈雍君,沈文明,李建中[4]（2019）在《基于语义规则和关联规则的特定领域中文术语字典的构造》一文中研究指出针对当前特定领域中文术语字典构建工程量巨大、自动化程度低的问题,提出一种基于语义规则和关联规则的特定领域的中文术语字典构造方法,以提高构造中文术语字典的智能化程度,减少人工的参与。将语义规则和关联规则引入特定领域中文术语字典的构造,在分词基础上,采用互信息、上下文以获取种子词;其次,以改进Textrank创建新术语或对现有的术语进行扩展;最后,结合语义规则和关联规则优化本领域的术语,形成特定领域、动态更新的中文术语字典。实验证明:本文提出的方法提高了特定领域术语提取的概率和效率,能够从语义层面为智能信息检索与集成、潜在语义分析提供更有效、精准的信息服务能力。(本文来源于《移动通信》期刊2019年02期）
蒋腾平,王永君,陶帅兵,李云莉,刘姗[5]（2018）在《功能性规则约束下的叁维点云道路设施语义标注》一文中研究指出叁维场景的语义标注研究是机器视觉、摄影测量以及机器学习等领域的热门研究课题.但基于移动激光扫描数据的道路设施精确解释仍处于瓶颈期.提出一种基于逻辑关系和功能性对道路设施进行语义标注的新方法,先总结制定道路设施相关的特征符号和规则,再根据所定义的规则功能对点云数据进行语义标注.基于该方法对国内某中等城市道路点云数据进行了相当详尽的解释,正确提取了93%的杆状物体,并全部正确识别.对于杆状物体的附件(如灯头、交通标志等),基本正确识别且有效标记.与改进的RANSAC算法相比,该方法提供了一个较好的解决方案,有助于在城市环境中自动绘制详细的道路设施.(本文来源于《南京师范大学学报(工程技术版)》期刊2018年04期）
平山邦彦[6]（2018）在《试谈汉语介词短语状语的语序规则——从语义结合力的角度谈起》一文中研究指出现代汉语中介词短语为一种代表性的状语格式,其所处位置可在主语前后。介词短语从语序分布看有叁种情况:介词短语(Ⅰ)只能采用后者语序;介词短语(Ⅱ)前后两种语序都可以采用;介词短语(Ⅲ)只能采用前者语序。文章对形成这一现象的核心因素从语义结合力角度进行探讨发现:介词短语(Ⅰ)(Ⅱ)(Ⅲ)在语义结合力以及谓语对介词宾语的施事性或受事性的凸显程度上存在差异,其对介词短语状语呈叁种不同的语序倾向起关键作用。这是语义靠近原理共性语序规则在汉语中作为语言个性的充分体现。(本文来源于《汉语学习》期刊2018年03期）
秦铭,蔡明[7]（2018）在《基于分类融合和关联规则挖掘的图像语义标注》一文中研究指出图像语义自动标注问题是现阶段一个具有挑战性的难题。在跨媒体相关模型基础上,提出了融合图像类别信息的图像语义标注新方法,并利用关联规则挖掘算法改善标注结果。首先对图像进行低层特征提取,用"视觉词袋"描述图像;然后对图像特征分别进行K-means聚类和基于支持向量机的多类别分类,得到图像相似性关系和类别信息;计算语义标签和图像之间的概率关系,并将图像类别信息作为权重融合到标签的统计概率中,得到候选标注词集;最后以候选标注词概率为依据,利用改善的关联规则挖掘算法挖掘文本关联度,并对候选标注词集进行等频离散化处理,从而得到最终标注结果。在图像集Corel上进行的标注实验取得了较为理想的标注结果。(本文来源于《计算机工程与科学》期刊2018年05期）
孟凯[8]（2018）在《复合词内部的成分形类、韵律、语义的匹配规则及其理据》一文中研究指出以叁音复合词中比重最大的偏正式为研究视点,通过名名、动名、形名叁种形类组配中[2+1]和[1+2]两种韵律模式与复合词内部语义之间关系的分析,我们发现,虽然偏正式的整体语义是对中心语位置的事物或现象进行分类、命名或修饰、说明,但复合词内部的成分形类、韵律、语义之间却呈现出一定的倾向性匹配:"[2+1]—名名—‘论元+中心词’型"为强势匹配,"[2+1]—动名—动_双是名_单的功用角色"也较常见,"[1+2]—形名—形_单多角度说明名_单"是非主流韵律模式[1+2]的强势匹配。[2+1]和[1+2]形名匹配语义透明度不高,表现为"形"对中心成分"名"的某种属性进行提示或描摹。这些匹配规则的形成主要与中心名词性成分的性质(如是否为人造类)以及不同形类的定语成分对中心成分的凸显侧面有关。(本文来源于《语言教学与研究》期刊2018年03期）
陈晨[9]（2018）在《基于动作语义关联规则挖掘的视频分类研究》一文中研究指出随着社会计算机化和强大的数据收集和存储工具的快速发展,数据实现了爆炸性增长。视频数据作为记录人类社会活动的最重要的载体,每天都会产生PB级的视频数据。在视频检索、视频点播、智能监控等领域中,对视频信息的人工处理方式,已经不能满足人们对海量视频查找所需信息的需求,而包含着丰富语义的视频检索、检测是人们获取视频信息的重要手段,为了让人们能在短时间内高效获取视频中所感兴趣的内容信息,同时能为视频的使用者提供相应的辅助性决策,基于视频内容的数据挖掘应运而生。而视频数据是非结构化数据,与其他数据相比,视频中的语义鸿沟又增加了视频挖掘和检索的复杂性。因此,对于视频的语义的关联规则挖掘方法研究受到了研究者的重视。本文在视频语义关联规则挖掘的相关技术研究的基础上,研究了基于基本动作概念的关联规则挖掘算法,并研究将之用于相应复杂视频场景或事件的基本概念关联关系挖掘,同时将其关联规则作为一种复杂视频场景或事件的检测分类准则,实现复杂视频场景或事件的检测分类。本文主要的研究内容如下:(1)针对复杂视频场景或事件的快速检测分类问题,提出一种基于基本动作语义概念关联的视频复杂动作场景检测分类方法。该方法对相应的视频场景中的所有动作语义概念采用apriori算法进行关联规则挖掘,将挖掘得到的动作语义概念的关联规则作为视频复杂动作场景检测分类依据,对测试视频考虑符合相应场景类别的关联规则情形进行视频复杂动作场景的检测分类。实验结果表明,所提出的方法可以有效地挖掘出视频中动作之间的关联关系,并快速有效地实现视频复杂动作场景概念的检测分类,提高视频复杂动作场景的检测分类准确率。(2)传针对统的挖掘算法无法考虑到视频动作语义概念随时间序列出现的情况,会影响更细致的语义概念相关关系的分析问题,提出基于时序加权的视频动作语义关联规则挖掘算法。该算法采用视频的时序窗口对视频动作语义的关联规则挖掘进行挖掘,引入视频动作语义概念规则在时序窗口中的权重因子,修正规则的支持度和置信度,形成能反映时序的视频基本动作语义概念挖掘算法。通过研究设计基于时序加权的动作语义概念关联规则的视频类别分类准则,实现视频复杂动作场景的检测分类。实验表明,基于时序加权的视频动作语义关联规则挖掘能获得更合理的关联关系,并能有效提升视频复杂动作场景的检测分类准确率。(3)使用所提出的方法,结合面向对象的设计思想,运用C#和Matlab混合编程技术,设开发基于视频动作语义关联规则的视频检测分类原型系统。该系统包含叁个模块:视频数据预处理、时序关联规则挖掘和视频场景检测,系统运行表明所提出的方法具有可用性。(本文来源于《江苏大学》期刊2018-05-01）
何保荣,邱立坤,孙盼盼[10]（2018）在《基于句式与句模对应规则的语义角色标注》一文中研究指出大规模语义角色标注语料库的构建可以为计算机理解自然语言的语义提供有用的训练数据。该文主要研究服务于语义角色标注语料库构建的语义角色标注规则。在人工语义角色标注的基础上,分析句式和句模的对应关系,并总结出一套基于句式的语义角色标注规则,在测试集上达到78.73%的正确率。基于上述规则,可以在构建语义角色标注语料库时完成自动标注的工作,标注人员在此基础上进行人工校对,可有效地减少工作量。(本文来源于《中文信息学报》期刊2018年04期）
语义规则论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
为提高互联网中在线评论文本的情感倾向分类准确率,方便消费者和商家准确高效地获取信息,该文提出一种将语义规则方法与深度学习方法相结合的在线评论文本情感分类模型,对基于情感词典的语义规则信息进行扩展,嵌入到常用特征模板中组合成更有效的混合特征模板;采用Fisher判别准则方法对混合特征模板进行降维以消除特征间的信息冗余;深度学习模型采用基于LSTM改进的RNN模型,将网络爬取的数据输入到模型进行训练和测试。结果表明,语义规则抽取出的特征包含更多、更准确的情感信息,使得混合特征模板可以更加全面地考虑文本的情感特征粒度;Fisher准则可有效识别出高判别性的低维文本特征,进一步提高改进RNN模型对评论文本的分类性能。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
语义规则论文参考文献
[1].黄毅.基于上下文溯源和语义规则的云服务信任评估研究[J].电脑与电信.2019
[2].邵良杉,周玉.基于语义规则与RNN模型的在线评论情感分类研究[J].中文信息学报.2019
[3].常曹育,吴陈.多层次语义规则和表情特征下的微博情感研究[J].信息技术.2019
[4].杜翠凤,陈雍君,沈文明,李建中.基于语义规则和关联规则的特定领域中文术语字典的构造[J].移动通信.2019
[5].蒋腾平,王永君,陶帅兵,李云莉,刘姗.功能性规则约束下的叁维点云道路设施语义标注[J].南京师范大学学报(工程技术版).2018
[6].平山邦彦.试谈汉语介词短语状语的语序规则——从语义结合力的角度谈起[J].汉语学习.2018
[7].秦铭,蔡明.基于分类融合和关联规则挖掘的图像语义标注[J].计算机工程与科学.2018
[8].孟凯.复合词内部的成分形类、韵律、语义的匹配规则及其理据[J].语言教学与研究.2018
[9].陈晨.基于动作语义关联规则挖掘的视频分类研究[D].江苏大学.2018
[10].何保荣,邱立坤,孙盼盼.基于句式与句模对应规则的语义角色标注[J].中文信息学报.2018
论文知识图
