论文部分内容阅读
自然语言处理就是用计算机处理自然语言,以理解自然语言中表达的知识和含义,或者将知识用自然语言表达出来。因而综合知识表示的自然语言模型是自然语言处理研究的一个核心问题。然而目前尚缺乏一种从知识的语言表达的角度而设计的自然语言模型。本文从分析人使用语言表达知识的自然过程出发,提出了一种知识语言表达的总体模型,并据此提出了场景化知识表示体系。同时,将该语言模型和知识表示体系应用于基于语义的特殊领域文本校对中,取得了良好的效果。 我们认为,人使用自然语言表达其认知的一个核心步骤是提取认知中的关键信息。这些关键信息同样也是人进行逻辑思考的基础。我们分析了自然语言表达知识时所需要的各类关键信息,并采用场景的形式来组织这些信息,从而形成了场景化知识表示的结构。从知识中提取出关键信息被称为知识的场景化分析。它主要包括三个步骤,即:组成识别、特征识别和场景识别。它们分别提取出知识的组成信息、知识的组成元素的特征信息以及它们在特定场景中的角色信息。 在此基础上,我们研究了基于知识场景结构的形式化推理方法,包括:继承推理、例证推理和否定推理。同时也定义了将场景知识结构转换为一阶谓词逻辑表达式的转换规则,为使用自动推理的方法进行语义判断提供了基础。 以知识的场景化描述为核心,提出了使用语言描述知识的的总体模型。在该模型中,知识的语言描述共包括五种主要的方式:名称描述、指代描述、主类描述、内在结构描述和相关知识描述。其中前三种描述方式统称为词汇化描述,因为它们均直接使用词汇来表达知识。后两种统称为结构化描述。其中,内在结构描述通过对知识的场景化分析,将知识的场景结构通过语言转换模板转换为语言的序列结构。这种描述方式主要产生语言中的句子结构。相关知识描述则使用知识的相关知识对它进行描述。其方式和过程与内在结构描述相同。它主要产生语言中的短语、定语从句、插入语等结构。 在这一模型的基础上,我们还分析了汉语中的各种句型和短语结构,提出了相应的语法场景模板和语言转换模板。通过这些模板,可以实现知识的场景化表示与自然语言之间的双向转换,从而使场景化知识表示成为一种真