【自然语言处理与理解】基于滑动倒谱的自动语言辨识

【学术论文 - 自然语言处理与理解】一种基于Homogeneity的文本检测新方法

• Models – HMM: Hidden Markov Model – maximum entropy Markov model – CRFs: Conditional Random Fields • Tasks – Chinese word segmentation – part-of-speech tagging – named entity recognition

以冶金工业部人才资源的管理问题为背景,给出了人才资源智能管理系统的具体设计方法.该系统中,广义的管理分析预测模型树用于其知识表达,系统结构由多库结构支持;在其推理机方面,应用元知识推理以协调定性推理、定量推理和人工神经网络推理.将有限的自然语言理解引入人-机界面,用TURBO PROLOG和C语言在IBM/AT微机上对该设计部分实现,表明了其合理性及可行性

脏腑定位，即明确病变所在的脏腑，是中医脏腑辨证的重要阶段。本文旨在通过神经网络模型搭建中医脏腑定位模型，输入症状文本信息，输出对应的病变脏腑标签，为实现中医辅助诊疗的脏腑辨证提供支持。将中医的脏腑定位问题建模为自然语言处理中的多标签文本分类问题，基于中医的医案数据，提出一种基于预训练模型ALBERT和双向门控循环单元（Bi-GRU）的脏腑定位模型。对比实验和消融实验的结果表明，本文提出的方法在中医脏腑定位的问题上相比于多层感知机模型、决策树模型具有更高的准确性，与Word2Vec文本表示方法相比，本文使用的ALBERT预训练模型的文本表示方法有效提升了模型的准确率。在模型参数上，ALBERT预训练模型相比BERT模型降低了模型参数量，有效减小了模型大小。最终，本文提出的脏腑定位模型在测试集上F1值达到了0.8013

基于语义角色分析，提出了一种三元组涉恐事件实体属性抽取方法，为网络空间涉恐活动的监测及预警提供技术支持。首先，基于西北政法大学“反恐怖主义信息网”文本语料数据进行数据采集和清洗等预处理工作，采用朴素贝叶斯文本分类算法识别涉恐事件文本，并采用关键词提取算法TF-IDF（Term frequency-inverse document frequency，词频-逆文档频率）构建涉恐专有词库，结合自然语言处理技术构建带词性的涉恐专有词库。然后通过语义角色分析、句法依存分析，提取了主语谓语宾语关系、定语后置动宾关系、人名//地名//机构和介宾关系主谓动补4类涉恐三元组结构。最后，利用正则表达式及带词性的涉恐专有名词分析，在4类三元组短文本中提取出恐怖事件发生时间、发生地点、伤亡情况、攻击方式、武器类型和恐怖组织6类实体属性。对采集的4221篇文章数据进行实验分析，6类实体属性抽取的测评结果F1值均超过80%，对网络空间的涉恐事件监测及预警，维护社会公共安全具有重要现实意义

一. 人工智能、专家系统、机器学习 1. 人工智能 分四个阶段：第一阶段：智力难题的求解（修道士过河） 第二阶段：自然语言理解，景物分析等 第三阶段：专家系统（推理） 人工智能走向实用

2.1 算法的概念 2.2 简单算法举例 2.3 算法的特性 2.4 怎样表示一个算法 2.4.1 用自然语言表示算法 2.4.2 用流程图表示算法 2.4.3 三种基本结构和改进的流程图 2.4.4 用 N-S 流程图表示算法 2.4.5 用伪代码表示算法 2.4.6 用计算机语言表示算法 2.5 结构化程序设计方法

本章是数理逻辑中的最基本内容， 是下一章的基础.本章主要讲述命 题与联结词、命题公式、恒真命 题、等价式、蕴涵式及范式等基 本内容；能将自然语言符号化； 能用等价式、蕴涵式等进行命题 演算和推理；能用逻辑推理的方 法解决一些实际问题

本章是数理逻辑中的最基本内容， 是下一章的基础.本章主要讲述命 题与联结词、命题公式、恒真命 题、等价式、蕴涵式及范式等基 本内容；能将自然语言符号化； 能用等价式、蕴涵式等进行命题 演算和推理；能用逻辑推理的方 法解决一些实际问题