语义网络：基于语义网络的家族人物关系推理算法的研究

更新时间：2023-07-19 17:07:01 阅读量：实用文档文档下载

说明：文章内容仅供预览，部分内容可能不全。下载后的文档，内容与下面显示的完全一致。下载之前请确认下面内容是否您想要的，是否完整无缺。

语义网络和语义网的英文推荐度：
相关推荐

基于语义网络的家族人物关系推理算法的研究

计算机时代!""#年第$期

!!!

基于语义网络的家族人物关系推理算法的研究

葛

强，郑逢斌，汤赛丽，侯丽敏，周

舫

<河南大学计算机与信息工程学院，河南开封;K#""%=

摘

要：基于语义网络，提出了关于家族人物关系的四种基本谓词，构造出表示称谓的多种复合谓词。利用由语义网络转换来的谓词演算，能够对两类问题进行推理，并建立完整的推理流程机制。一类是已知两个相关人名，推断他们之间的称谓，另一类是已知一人名字及称谓，推断相关人名。本文提出的方法具有良好的系统可实现性。

关键词：自然语言理解；知识库；语义网络；谓词；推理

%&引言

社会人物关系错综复杂，其中与人们关系最密切的是家族人物关系。在国外，表示家族关系的词汇相对中国来说比较少，也没有中国划分得细致，因此要简单得多。在中国，开展家族人物关系的研究较多，但大多是关于一个家族的家谱及家族人物的研究，为发掘家族历史与文化作出了突出贡献；与自然语言理解技术相结合的研究却是刚刚起步，中科院有学生研究《红楼梦》中四大家族的人物关系，不过他们的研究在于针对特定利用的是已处理好的格式化文本知识，没有与知识库相家族’%(，

结合，不具有普遍性，表示能力相对来说较为单一。

为这方面的研究提语义网络（)*+,-./0&-*.1234）的出现，

供了新的思路。最早在%5$$年67/88/,-把语义网络作为一种知识表示工具加以认真研究，他建议用一种语义网络来描述人对事物的认识。从67/88/,-的开创性工作以来，人们在语义网络的研究和应用方面做了大量的工作，出现了分类更为细致的网络，如命题语义网络，数据语义网络，语言语义网络等’!(。

语义网络为类似家族人物关系问题提供了新的解决方法。本文从用户提供的一句关于家族人物关系的问话出发，结合语义网络，研究普通的家族人物关系，总结出人物之间的关系谓建立家族人物关系推理机制及算法。词，融合93282:技术，

良好的可移植性。

图%&&家族人物关系推理系统模型

!&家族人物关系推理系统的模型

分析各种提问方式，总结出问句的基本类型可分为两种：已知两个相关人物的名字，提问他们之间的称谓；已知一个人的名字，提问另外一个与其有家族关系的人名。

为了解决上面两种常见的关于家族人物关系的问题，作者然后给出该模型下知构造了一个推理系统模型，如图%所示，识库的用途和结构，最后讨论系统的移植和扩充性’;(。本文以问答系统为原型，研究语义网络的推理机制。

称谓是一些表现家族人物关系的称呼，如爷爷、爸爸、妈妈等。本文把提问人物之间的称谓或相关的人名，称为提问目标。

本系统包括分词，句子规范化处理，句型信息处理，知识提取，对提问目标判断，知识提取，知识存储，模板匹配，语义网络结果处理等部分。顺向<逆向=推理，

本系统模型还可以进行扩充，使之能够处理更加复杂的家族人物关系问题，由于做到了数据与程序相分离，模型还具有

>&家族人物关系的语义网络

语义网络是通过概念及其语义关系来表达知识的一种带标识的有向网络图’>(。它可以表示知识，并进行相关推理。

本文首先对初始句子进行一系列处理，得到一个标准化的句子；提取知识，转化为三元组的形式存储于知识库；然后构造表示家族人物关系的语义网络；最后依据语义网络生成基本谓词，对提问目标进行相关推理，得出合理答案。

>?%&四种基本谓词

作者提出描述家族人物关系的四种简洁关系：性别，婚姻，亲子，年龄。这些关系可以转换为一阶原子谓词，称之为基本谓词。定义如下：

!)@A（AB’CDE(）表示A的性别是“C”或“E”B“E”

代表男性，“C”代表女性。

第一个参"EFGGHFI@<ABJ=&表示A和J有夫妻关系，数为丈夫，第二位为妻子。

基于语义网络的家族人物关系推理算法的研究

!!!

!"#$%&’())*(+,)-".,/,,0112

关系的人名。

表示家族人物关系知识的语义网络可以转换为基本谓词，结合本文构造的一系列复合谓词，进行逻辑推理。本文提出下面两类算法，着重解决以上类型的推理问题。

可能是儿子或女!34567（89:）表示8是:的孩子，儿，:可以是父母任一方。

即?";<7;=>?9@A,表示?的出生顺序相对于@要早，比@年龄大。

这四种基本谓词在网络中表现为四种弧连接，如图0所其中D是一种特殊的弧，本示，分别以弧标记B，C，3，;表示，文把它当作结点的属性。

U.V,顺向推理算法

功能：已知两个相关人物的名字，推断他们之间家族关系的称谓。

!"#$%：&’，(*)$%#$%：

把谓词模板库+,-./中的基本谓词定义，及实例知识库%初始化，

分别导入#,4546程序的规0123/中的实例知识转换为基本谓词，

图0,,表示四种基本谓词的弧连接

则库和事实库部分；

记为78&（&，3）93:;<=978&>(9/?9/:;<=；&判断两人的性别，

E.0,表示家族人物关系的语义网络

由一系列基本谓词合取构成表示称谓的谓词称为复合谓词。每个称谓对应有一个复合谓词。

四种基本谓词的弧连接可以按一定的联系，构造复合谓词的语义网络，使其可以进行人物关系的推理。

例如，一个家族人物关系的实例为：以我为中心，我是个男我的爸爸是F，妈妈是G，我的哥哥是H，他结婚了，孩儿，叫5，他们有一个孩子，叫J，是个男孩儿。我的爷爷是@，对象是I，

奶奶是-，姑姑是K，姑父是L，他们的女儿叫M。我的外公是他有一个女儿，也就是我的妈妈G。显然，6，5，F，H，J，@，L，6是男性，其余为女性。

上面的家族人物关系实例可以用图E来表示。爷爷，爸爸，姑姑，哥哥等称谓在语义网络中并没有显式表示，但可推理得

出相应的复合谓词。

’在谓词模板库+,-./中的所有复合谓词中查询满足@0:78&（&，（(，记作#（3），@A:78&/）9B!09A!C的D4,1子句，0E!0!记为7:｛#E91）9’#0为FGH@B9@I9JJJ9@C>C"B?9#0的集合为谓词集，把7导入#,4546的规则库部分；#B9JJJ9#1｝，

，调用%)*"*+(0K’7::)转*!"#!选中$其中一项%（&’!&!(）进行逻辑推理，并令7:7H#0，E!0!1；

记为无条件子句,，+取得推理结果，&-,#)转,!"#!转-；转.；,在谓词模板库.)!/0中查询无条件子句,对应的称谓%，转(；-依次查询$中的下一个复合谓词%&12，

.)!34)(%；

“没有找到合适的称谓”；*)!34)(

/结束。

U.0,逆向推理算法

功能：已知一个人的名字，推断另一个与其有家族关系的人名。

!"#$%：(9*’)$%#$%：&

把谓词模板库+,-./中的复合谓词定义导入#,4546程%初始化，序的规则库部分；

记为78&（&，&判断&的性别，3）93:;<=；

查询与称谓*相对’遍历谓词模板库+,-./中所有的复合谓词，应的复合谓词*590K’*5#)令,6758转(!"#!转.；

(对,9:;28;<8===8;>?>"2@中的每一个条件;&?2!&!>@在实例知识库0123/中查询相关的实例知识，转换成相应的子句；

图E,,表示一个家族人物关系实例的语义网络参照上面的关系实例，一个称谓“哥哥”，由语义网络转换为复合谓词就是：

+将A;28;<8===8;>B所代表的子句集导入%)*"*+程序中的事实库部分；

,调用%)*"*+程序进行逻辑推理；

-取得上步推理的结果为某一个与C有对应基本谓词关系的条件，记为@0>B!0!C?，@0中对应的&位置的值即为&，0K’&#)

K’K’,NH95AOPD;?NH9QA，34567NH9FA，34567N59FA，;67;RNH95AS,,,

只存储对应4"(T子句K’K’,>H95A不直接存储在知识库中，中的子目标。

)!34)(C!"#!转*；

“系统没有收录相关的称谓”；.)!34)(

“系统没有收录相关的人名”；*)!34)(

U,家族人物关系的推理机制与算法

根据问句的基本类型，求解人物关系的推理机制有两种：推断他们之间的#顺向推理已知两个相关人物的名字，称谓。

推断另一个与其有家族$逆向推理已知一个人的名字，

/结束。

2,结束语

本文在现有的自然语言理解理论技术基础上，对家族人物关系作了研究，在家族人物关系推理上提出了与语义网络，一

基于语义网络的家族人物关系推理算法的研究

计算机时代!""#年第$期

!!!

网格计算应用与发展研究

王晓斌&，才书训!

2&+/东北大学软件学院，辽宁沈阳&&"""1；!+/东北大学秦皇岛分校，河北秦皇岛"$$""1.

摘

要：345/64789:4;技术把世界上无形的软件资源集成起来共同为人类服务，而现在的网格技术不仅仅要把软件资源结合起来而且也要把有形的硬件资源集成起来为人类服务。本文介绍了网格计算在若干领域的应用，概述了网格在中国的研究现状和发展方向。

关键词：网格计算；分布式超级计算；分布式仪器系统；密集型计算；远程沉浸；信息集成

&/网格计算的基本概念

“网格之父”%&’/<=>(?@;A47博士对网格有一个很经典的定义，他认为网格是一个集成的计算资源环境，或者说是一个计算资源池（B@CDEA9>F/G@@H）。网格能充分吸收各种计算资源，并将它们转化成一种随处可得的、可靠的、标准的、便宜的计算能力。网格系统所提供的资源是增强和放大后的可以动态任意组合的资源。网格是将来社会信息化必不可少的一种基础设施，这个基础设施将会为全球的商业、政府、科学研究和娱乐等领域提供最强有力的支持。

!+!/分布式仪器系统

分布式仪器系统（I9;A795EA4J/S>;A7EC4>A=A9@>/6T;A4C）是用网格管理分布在各地的仪器系统，提供远程访问仪器设备的手段。网格将分布式仪器系统变成了一个非常易于管理和有弹性的系统。这个领域有代表性的是美国能源部支持的UG@7A项能提供远程仪器使用规划、仪器操作、数据目，它基于KH@5E;，获取、筛选和分析等功能，它将大大简化巨型分子晶体结构的设计和实施。

!+,/密集型计算

并行计算技术往往是由一些计算密集型应用推动着的，特它们别是一些带有重大挑战（K7=>J/BV=HH4>F4）性质的应用，

!/网格应用介绍

!+&分布式超级计算

%!’

大大促进了对高性能并行体系结构、编程环境、大规模可视化等领域的研究。但是，相比之下，数据密集型计算-I=A=/S>A4>W

////分布式超级计算2I9;A795EA4J/6ED47:@CDEA9>F.是指将分布

在不同地点的超级计算机用高速网络连接起来，并用网格中间件软件联合起来，形成比单台超级计算机强大得多的计算平台。事实上，网格的最初设计目标主要是要满足更大规模的计算需求，KH@5E;正是从这类应用起家的。在这个领域有两个应用引人关注：第一个是军事仿真项目6?/LMD74;;，它将大型军事仿真任务分解到分布式环境中运行，在场景分发、资源配置、资源管理、信息服务、日志服务、监视和容错等方面都利用了美国通过KH@5E;/N@@HO9A的动态管理功能。&00P年,月&$日，

;984/B@CDEA9>F.的应用好像要比计算密集型应用多得多。它对

应的数据网格更侧重于数据的存贮、传输和处理，而计算网格则更侧重于计算能力的提高，所以它们的侧重点和实现技术是不同的。在这个领域独占鳌头的项目是欧洲原子能研究机构它的目标是处理!""#BLXY所开展的数据网格I=A=K79J项目，

年建成的大型强子对撞机源源不断产生的GRZ;量级实验数据。其处理过程是：粒子检测器产生的原始数据经过在线系统过滤后，并经具有!"万亿次处理能力的离线处理场的处理，最终以大约&""[RZ;的速率永久写入磁带，这个&""[RZ;/就是

6?/LMD74;;集合了&,台并行计算机，使用了&*,P$个处理器，

成功模拟了&"万多个战斗实体，实现了历史上最大规模的战争模拟。第二个应用称作数字相对论，它利用网格求解爱因斯坦相对论方程并模拟出天体的运动规律。该项目使用了1台超级计算机，并采用了许多措施来优化分布式计算的整体性能。提升到了优化后的$,Q。该项成就运行效率由优化前的&#Q，

使得它在6B/!""&超级计算会议上获得了K@7J@>/R4HH奖。

I=A=K79J真正需要处理的数据速率。BLXY计算机中心负责将

这些数据通过高速网络分配给欧洲、北美、日本等国的区域中心，后者再将任务作进一步分解，到物理学家的桌面时，数据量已经可以很方便地进行处理了。只有&[RZ;，

!+1/远程沉浸

远程沉浸%,’是一种特殊的网络化虚拟现实环境。这个环境

!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!!

阶谓词相结合的新方法，总结出四种基本谓词与多种复合谓词。下一步的工作就是把本文的推理思想具体编程实现，并解决一些没有处理好的问题，如在知识库中实现不同家族知识的有效区分及多人多关系的处理等问题，进一步完善推理机制。