原标题：非主流自然语言处理——遗忘算法系列（六）：语义模型  

来源：CSDN          链接：https://blog.csdn.net/gzdmcaoyc/article/details/79894763

【前言】

1、语义体系的建立对人工智能的意义，相信不用多说。

2、公开此文的目的，是因为此文所设计的语义模型包含的待解决任务量很大，寻求同好共同讨论交流。

3、版权说明

   3.1、本文的版权归作者所有。

   3.2、本文中所提及的问题的解决方案，归研究者所有。

【正文】

============================================================

【原理】

词的语义可以通过与其相关联的词表征

【定义】

词的语义：用该词的词翼及其概率的集合来表示

词翼：该词与其窗口尺寸中互信息大于一定阈值的共现词共同构成

【统计可知】

1、每个词发生的概率

2、任意词对，可知左词发生时右词发生的概率

3、任意词，可知该词的所有词翼及其概率

【公理假设】

1、

问：句子是由词按什么规则构成的？

答：

    1.1、包含算子

        1.1.1、算子指示集合运算的类型

        1.1.2、集合运算包括以下类型等：

            1、等价

            2、交、并、补

            3、属于、包含 

    1.2、不含算子

        1.2.1、并联、串联、嵌套

2、

问：段落是由句子按什么规则构成的？

答：

    2.1、段落中的句子可视为相互独立，相关的部分会重复

    2.2、重复的部分可能会有缺省、使用代词等变体形式

    2.3、缺省、指代可以通过上下文推断获得

3、

问：标题与正文是怎样的关系？

答：

    3.1、标题与正文的语义尽可能相似

    3.2、标题受字数限制

4、

问：对话过程中，问句与答句是什么关系？

答：答句是当问句发生时，可能发生概率最大的句子。

5、

问：祈使句有什么不同？

答：祈使句的应答是行为动作，可以将此类行为动作视为特殊的句子，对标机器人的动作API的函数调用。

【任务目标】

1、句子解析：

    1.1、串、并、嵌套以及算子的识别解析

    1.2、缺省及指代的处理

    1.3、上下文模型

2、已知构成句子各词的语义(词翼及其概率的集合)时，求整个句子的语义。

3、已知语义时，求该语义对应的句子。

    3.1、给文章拟标题

4、已知问句时，求答句。

5、计算两个句子的语义相似度。

6、推理

    6.1、三段论推理

————————————————

版权声明：本文为CSDN博主「gzdmcaoyc」的原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接及本声明。

原文链接：https://blog.csdn.net/gzdmcaoyc/article/details/79894763

一THE END一

免责声明：本文来自互联网新闻客户端自媒体，不代表本网的观点和立场。

合作及投稿邮箱：E-mail:editor@tusaishared.com