针对面向自然语言推理中计算机难以准确提取命题并进行符号化的难题,运用HNC(Hieratical Network of Concepts)理论中的语言逻辑概念与句类分析技术,从概念的角度出发,对自然语言描述的推理问题进行理解处理,使计算机能自动提取出推理条件中蕴涵的命题,然后将命题进行公式化处理,最后得到用自然语言描述的结论命题。试验结果表明:该方法能准确理解自然语言中的语义逻辑关系,完成命题逻辑推理。
针对信息检索中查询与文档集之间可能存在的"词不匹配"问题,基于兴趣模型提出一种将概念化的兴趣知识与向量空间模型相结合的查询扩展方法。该方法能根据阈值来判断查询扩展是否可行。用户的兴趣偏好是通过Agent代理实时获取的,兴趣知识采用HNC(Hierarchical Network of Concepts,概念层次网络)理论的概念符号体系表达,这样便于计算概念之间的相似度。实验结果表明,经过查询扩展后的结果相对于未加入查询扩展的结果在性能上提高了29.1%。
