高志强 作品数:12 被引量:46 H指数:3 供职机构: 东南大学计算机科学与工程学院 更多>> 发文基金: 国家自然科学基金 国家科技支撑计划 更多>> 相关领域: 自动化与计算机技术 文化科学 更多>>
利用句法模式从术语词典中抽取语义关系 被引量:3 2008年 提出了一种基于句法模式的语义关系抽取方法,用于从术语词典中抽取语义关系.该方法以句法模式为中心,结合了自然语言处理技术和统计的思想,充分利用术语词典文档中的句法信息,通过抽取包含着语义关系信息的句法模式,并将其与词典文本进行近似匹配以达到抽取语义关系的目的.实验结果表明,该方法可以有效地从术语词典中抽取多种语义关系. 张希府 戴云徽 高志强关键词:句法模式 语义关系 多偏好逻辑GMPL 被引量:1 2008年 针对缺乏多类型偏好共存的偏好逻辑系统的现状,MPL(logic of many kinds of preference)被构造为一种能够表示和推理四类型偏好的偏好逻辑,但是MPL的语义基于全前序偏好结构,因而不能表示不完全偏好.为此,提出了偏好逻辑GMPL(a generalized edition of MPL).此外,通过常见逻辑偏好的GMPL重写表明GMPL较强的表达能力和实际应用前景.并提出一种将GMPL的SAT问题归结为命题逻辑的SAT问题的方法. 张志政 高志强 邢汉承虚拟战场仿真中基于A*算法的路径规划 虚拟战场仿真软件中的路径规划是战术式路径规划,即在寻找最短路径的基础上更要考虑路径的安全性,要避开敌方的火力点的威胁.A*算法中的启发式函数可以兼顾路径的安全与最短的要求,讨论了用作战术式路径规划的A*算法,并使用该算法... 任立群 高志强 杜君 徐惠 郭沛仪关键词:A*算法 启发式函数 文献传递 一种基于Bootstrapping的本体学习方法 被引量:2 2008年 提出了一种基于自扩展的本体学习方法用于获取领域术语.该方法只需提供少量种子术语和一个未标注语料库作为输入,由种子术语开始学习抽取模式,再由学习到的模式发现新的术语,进一步由新发现的术语学习新的抽取模式,如此循环迭代.实验结果表明,该算法能够产生较高质量的领域术语集合和抽取模式集合,这样的集合可用于相关领域的信息抽取. 张俊 高志强 徐惠 蔡施彦 戴云徽关键词:信息抽取 本体学习 ORIGO:一种基于数字化图书馆资源的本体学习方法 领域本体的匮乏制约了语义Web的发展。本文提出了一种与语言无关的无监督的领域本体学习方法ORI-GO,从数字化图书馆的文档中自动获取领域的概念和关系,主要包括同义关系和上下位关系。首先通过统计分析发现术语,然后利用概念语... 徐惠 高志强 陆青健 朱万颖关键词:本体学习 聚类 启发式规则 文献传递 基于半监督学习的短文本分类方法 被引量:3 2012年 随着万维网的快速普及和发展,Web上出现了大量短文本,如科技文献摘要、微博和电子邮件等.短文本内容短小,相互联系,已标注数据获得困难,导致传统分类方法很难取得较高的分类精度.为了解决短文本分类问题,提出了一种基于半监督学习的迭代分类算法(SS-ICA).它使用较少的已标记数据,利用短文本间的关系进行迭代分类.通过与常用分类方法进行对比表明,在标注数据较少的情况下SS-ICA比其他分类器有更高的分类精度. 孙学琛 高志强 全志斌 施嘉鸿关键词:半监督学习 数据挖掘 句法模式的泛化及其在关系学习中的应用 2008年 针对句法模式泛化这个具体问题,比较了几种常见的处理方法,提出自己的处理方案,并将其用于关系学习中.实验结果表明,所提出的泛化方法可以有效地解决模式泛化问题,抽取出多种语义关系实例. 朱万颖 张希府 高志强关键词:句法模式 基于词汇相似度的元素级本体匹配 被引量:35 2006年 随着语义Web的不断发展,本体数量日益增加。本体匹配作为本体映射、比较和集成的基础,具有重要的实际意义。由第3届国际语义Web大会(3thISWC)主办的本体匹配竞赛(EON2004)对多种本体匹配工具进行比较和评估。该文提出了一种元素级本体匹配算法LANA(LexicalAnalyzer),该算法通过计算词汇相似度得到两本体间的元素匹配对。与EON2004中的其它元素级本体匹配方法相比,LANA在没有增加匹配复杂度的基础上,具有较好的准确率和召回率。 何娟 高志强 陆青健 瞿裕忠关键词:语义WEB 本体匹配 词汇相似度 双层纹理拼合算法的研究 当今世界对虚拟现实质量的要求越来越高,传统的虚拟现实的实现方法已经不能满足现代视觉需求.基于图像的绘制技术随之而生并成为该领域的关键技术.它以简单的图片代替三维几何模型的建模和渲染,不但方法简单而且真实感很强.但对于很多... 徐卫兵 翟玉庆 高志强 薛扣平关键词:虚拟现实 图像处理 文献传递 ORIGO:一种基于数字化图书馆资源的本体学习方法 领域本体的匮乏制约了语义 Web 的发展。本文提出了一种与语言无关的无监督的领域本体学习方法 ORI- GO,从数字化图书馆的文档中自动获取领域的概念和关系,主要包括同义关系和上下位关系。首先通过统计分析发现术语,然后利... 徐惠 高志强 陆青健 朱万颖关键词:本体学习 聚类 文献传递