一种自然语言理解中语法分析的算法设计与实现

自然语言理解是人工智能的一个重要分支。首先阐述了自然语言理解处理的不同层次;其次,分析了自然语言理解中语法的内涵;同时,介绍了一种自然语言理解中语法分析的算法,即采用适合于分析与生成的自顶向下分析算法的设计和实现。     

浅谈基于自然语言理解的数据库查询技术

本文就基于自然语言理解的数据库查询技术的应用及其国内外研究现状进行分析，提出基于自然语言理解的数据库查询技术在现实实践中存在的问题及有待进一步研究的问题。     

人工智能在自然语言理解技术上的应用

本文介绍了自然语言理解技术的特点与发展,阐述了人工智能技术在自然语言理解技术方面的应用。     

自然语言与自然语言理解及其应用

本文从语言的广义与狭义角度出发引出自然语言,对自然语言的三个特性分别加以说明,初步探讨了自然语言理解问题,对机器翻译进行阐述,指出机器翻译存在的难题所在,尝试性地预见自然语言理解的发展方向。     

能理解自然语言吗?

自从计算机问世以来,人类一直希望能让计算机理解和合成人类的自然语言,即人类的日常语言,这就是“自然语言理解”,机器翻译、人机对话、语音识别和语音合成、汉字的识别,都是自然语言理解关心的问题.其中最核心的目标是让计算机理解和合成自然语言,即教会计算机听话和说话.如果这一核心目标能够达到,人类将从人工翻译、计算机编程语言的学习等大量工作中解放出来,人类也将从计算机理解和合成自然语言的过程中观察到人类心智活动的机制.不少专家曾经估计,实现计算机理解和合成自然语言不会是一个遥远的路程.     

自然语言检索中的源文本词汇切分研究

FFCS立足于对英语句子的分析,对中文句子的分析该方法就有一定的局限性,而且在自然语言检索中,中文信息处理占有重要地位;而自然语言处理和理解是智能信息处理的核心,句子的语义复杂性给自然语言的理解带来难度,梯形分割模糊匹配法能够帮助对中文文本的理解,为自然语言检索提供了一种较好的方法。     

计算机能理解自然语言吗？

自从计算机问世以来，人类一直希望能让计算机理解和合成人类的自然语言，即的日常语言，这就是“自然语言理解”，机器翻译、人机对话、语音识别和语音合成、汉字的识别，都是自然语言理解关心的问题。其中最核心的目标是让计算机理解和合成自然语言，即教会计算机听话的说话。如果这一核心目标能够达到，人类将从人工翻译、计算机编程语言的学习等大量工作中解放出来，人类也将从计算机理解和合成自然语言的过程中观察到人类心智活动的机制。不少专家曾经估计，实现计算机理解和合成自然语言不会是一个遥远的路程。     

智能信息处理的基础理论探讨

提出综合自然语言理解和计算智能作为智能信息处理基础理论的思想。本文用智能分类、智能标引、智能检索、智能文描、机器翻译等智能信息处理实践说明自然语言理解可以提供理论架构而计算智能可以提供技术实现。     

对语义搭配的简单思考

语义学是一个涉及到语言学、逻辑学、自然语言处理等诸多领域的一个术语.语义学的研究对象是自然语言的意义,这里的自然语言可以是词,短语(词组),句子,篇章等等不同级别的语言单位.而搭配是语义研究的一项重要内容.本文讨论了对搭配这一概念在不同层面上的理解以及它在不同语境下的应用.     

自然语言检索的实现及其关键问题

在网络环境下，非专业人员的网络信息检索活动的比重大幅度提高，而这些用户大多没有经过检索培训，没有使用检索词构造提问式、制定检索策略的经验，这样，自然语言检索技术的研究与应用日益受到信息检索界的高度重视。自然语言检索包括自然语言标引和自然语言提问处理两方面的内容，自然语言检索的关键问题基本是围绕这两个方面的，这些问题包括面向自然语言检索的标引技术、自然语言提问分析与处理、自然语言检索的匹配过程及概念控制等问题。本文介绍了自然语言检索的研究情况，讨论了自然语言检索的相关问题。     

自动文摘综述

本文回顾了自动文摘技术的发展历史,介绍了三种主要的文摘方法,即基于文本物理信息分析的方法、基于自然语言理解的方法以及基于文本结构分析的方法。同时指出了自动文摘技术目前存在的问题,包括摘要内容冗余的问题、摘要的语言缺乏连贯性的问题等,并探讨了文摘技术未来的发展方向。     

统计语言模型分析

语言模型是实现自然语言处理的关键所在,在分析人类语音理解过程的基础上,介绍了统计语言模型,讨论总结了统计语言模型目前所面临的问题,为进一步提高统计语言模型能力提供了思路。     

FrameNet的语义类型研究

在线词汇资源FrameNet的语义类型对于深层次的自然语言理解具有重要的作用。文章首先对FrameNet的语义类型功能进行论述,指出其由框架类型、本体类型和词汇类型构成,从概念、感情、搭配等层面描述词汇固有的词类特征和语义特征。在此基础上,作者探讨语义类型在自然语言处理中的具体应用范围:如限制框架元素的取值范围,进行问答、文摘、复述和翻译等自然语言理解,便于概念检索中关系相关度的计算,实现语义层面的推理,建立与其他本体在多领域中的映射等。     

论自然语言检索

With its advantages in information retrieval, such as simple in indexing and convenient in information re-trieval, natural language is now widely used in idonnafion retrieval and network retrieval. However, due to some charac-teristics of the natural language itself, its retrieval result is usually tmsafisfactory. This paper sumamrizes several main fac-tots that restrict natural language retrieval and introduces a concept space method to improve its retrieval efficiency.     

结构化语言知识库在自然语言处理中的应用

本文讨论了知识在自然语言处理中的作用和现有系统的局限,引入一种全文结构知识库的概念并探讨了此知识库在自然语言处理中的诸多应用问题。     

初中学生英语学习中系动词和实义动词混用的错误分析及应对措施

部分初中学生用汉语的思维来理解和学习英语,对英汉两种语言差异了解不够,对系动词和实义动词的区别和用法混沌不清,从而导致他们容易犯系动词和实义动词不当混用的错误,这影响了他们英语学习成绩的提高,不利于其英语思维的培养。基于此,本文对此类错误进行分析,使学生加深对英汉两种语言的差异和相关英语语法规则的了解,按照英语的语言规则做出正确的表达。教师可以通过对语法的讲解和反复的练习来提升学生的语言规则意识,调动学生的积极情感,提高学生的认知能力,促使学生英语的语言习惯和能力在自然过程中形成。     

智能情报检索与NLP

本文论述了智能情报检索、自然语言的内涵、特点，分析了国内外智能情报检索的研究状况，针对智能情报检索系统中自然语言的标引和检索及建立未来更为便捷的智能情报检索系统提出几点建议。     

Evaluating computer-generated domain-oriented vocabularies

It is generally accepted that natural language understanding systems are not now able to deal successfully with unrestricted text, except in very superficial ways. Certainly no current NL system exhibits any significant degree of understanding over arbitrary subject matter. Moreover, there is no convincing reason to believe this situation will change in the near future. Successful systems, therefore, have been restricted to specific applications in particular discourse domains. In those situations where users are expected to provide the domain vocabulary (e.g., TEAM, TQA, etc.) it would be very desirable to provide at least suggestions as to what this vocabulary might be, because a good part of the difficulty in customizing a general system consists of supplying the domain vocabulary and specifying its grammatical properties. This paper discusses some methods for identifying domain vocabulary, as well as techniques for evaluating the quality of the resulting word list.     

当代人工智能表征的分解方法及其问题

分解方法是建立在形式系统之上的人工智能表征的必然选择,也是造成现阶段人工智能表征在自然语言语义理解方面各种瓶颈问题的理论根源。文章认为,句子层次结构以及三个平面的划界理论是分解方法难以实现段落或篇章语义理解的关键所在。基于词汇的语境描写方法难以突破单句限制,人工智能表征要想获得突破,就必须借助基于段落或篇章的整体性语境描写方法,而这正是分解方法所缺失的。多年来,人工智能表征取得的成就表明,脱离分解方法去谈整体性语境构建方法是不切实际的。整体性语境构建方法应当以分解方法为基础,二者之间是一脉相承而非矛盾的关系。二者的有机融合,是解决人工智能表征分解方法瓶颈的关键所在。