导读:本文包含了动态语义网络论文开题报告文献综述及选题提纲参考文献，主要关键词:机器阅读理解(MRC),语义匹配,动态双向注意力机制,外部知识
动态语义网络论文文献综述
姜文超,庄志刚,涂旭平,利传杰,刘海波[1]（2019）在《结合外部知识的动态多层次语义抽取网络模型》一文中研究指出针对复杂多文本机器阅读理解任务中的语义理解与答案提取问题,提出结合外部知识的动态多层次语义理解与答案抽取模型.首先利用改进的门控单元循环神经网络匹配文本内容与问题集,分别在向量化文本内容及问题集上实施多维度动态双向注意力机制分析,提高语义匹配精度.然后利用动态指针网络确定问题答案范围,改进网络模型语义匹配效率,降低答案提取冗余度.最后结合外部知识与经验改进候选答案精准性排序,得到最终答案.实验表明文中模型的语义匹配与答案提取精度显着提升,对不同领域的复杂文本阅读理解任务具有较高的鲁棒性.(本文来源于《模式识别与人工智能》期刊2019年05期）
黄健,王穗苹,陈煊之[2]（2016）在《语义加工的大脑动态网络——来自事件相关光学成像技术的实验证据》一文中研究指出人类进行语言理解的最终目的是通过抽象语言符号的处理而获得符号所代表的意义和知识,并在人与人之间展开有效的交流。研究者把从抽象的语言符号获得丰富和具体意义知识的认知过程称为语义加工。随着研究的深入,对语义加工的研究开始从外显的行为观察转入到对其大脑机制的探索。认知神经科学技术为了解语义加工的大脑机制提供了重要的研究手段。例如,高时间分辨率技术ERP,提供了语义加工的精确时间进程,研究发现了一些跟语义加工密切相关的ERP成分,例如经典的N400成分,P600成分以及一些早期的N1/P2成分。相应地,高空间分辨率的技术如fMPI发现,语义加工是由额叶和颞叶构成的网络系统来完成的,在这个网络中,左侧额下回、双侧颞中回以及颞叶前部在其中起到了重要的作用。虽然这些研究为语义加工的大脑机制提供了重要的实验证据,但是由于ERP技术空间分辨率较低,fMPI技术时间分辨率较低,这导致利用这两个非常重要的技术所获得的研究成果较难进行融合,因此也影响了我们对于语义加工对应的大脑机制的认识。在这个报告中,我们将展示一种新的成像技术,事件相关光学成像技术(Event-Related Optical Signals,EROS),并展示利用这个成像技术的一些初步研究结果。这个技术由于同时具备高时间和空间分辨率,一方面可以更好地融合ERP和地/MRI所发现的实验证据,另外一方面可以更直接地为我们展示语义加工的大脑动态网络,为我们更深入地了解语义加工的大脑机制提供一个新的视角。(本文来源于《第十九届全国心理学学术会议摘要集》期刊2016-10-14）
廖祝华,张国清,杨景,边建功,易爱平[3]（2013）在《网络环境下动态分布内容的自组织语义整合框架》一文中研究指出随着网络和多媒体技术的发展,新型网络技术不断出现,并通过互联网络不断融合,使得网络更加泛在化、开放和动态化.目前,网络中动态分布的内容爆炸式增长与用户个性化需求之间的矛盾也日益突出.因此,基于开放的网络环境下海量的内容,如何提供个性化、智能的内容服务,已成为研究界和工业界共同关注的问题.基于开放、动态的网络环境,以个性化的语义整合服务为核心目标,将语义技术与网络通信机制相结合,提出了动态分布内容自组织语义整合的网络结构和关键技术的实现机制,包括关系路由模型、自组织语义整合技术框架和实现流程,以支持在网络环境下针对动态分布的内容构建个性化和智能的语义整合应用,并且为动态分布内容的语义整合系统提供工程设计方案和技术实现方法.(本文来源于《软件学报》期刊2013年12期）
秦小铁,邱玉辉,尹世群[4]（2010）在《一种基于自学习的动态语义网络的图像检索方法》一文中研究指出基于关键字和基于内容的图像检索是图像检索系统中的两种重要方法.而当今,图像检索系统重点强调在图像检索过程中,高层语义与低层视觉特征的结合.最近,一些研究者在检索周期中采用用户互交,使用上述方法和半自动图像检索的结合,取得了一些成果,但没有自学习的动态语义功能,检索效率不高.论文给出的方法是基于一个分层的语义网络,在图像检索领域能够响应不能的需求,并且根据用户的反馈,执行一个新的动态学习检索过程,可以明显的提高图像检索效率.(本文来源于《西南师范大学学报(自然科学版)》期刊2010年02期）
贺文[5]（2009）在《基于动态语义网络的概念表征与浸润推理研究》一文中研究指出知识表征和基于知识的推理是人工智能领域的重要研究内容,合理的知识表征方法和推理机制有助于提升智能系统解决问题的能力,尤其是当问题具有领域不受限的特征时。然而,传统的知识表征方法和问题求解机制长期以来只能在特定的领域内取得成功的应用,在面对领域开放的问题求解时,往往不能取得较好的效果。基于知识的问题求解需要一个语义丰富的概念系统。人类认知系统的核心恰是一个语义相对完备的概念系统以及与之相匹配的推理机制。人类概念系统是由概念以及概念之间的依赖关系构成的,人类的认知能力皆来源于此。因此,对人类的概念系统以及推理机制的研究在提高基于知识的系统进行领域不受限的问题求解方面具有积极的作用。在神经科学领域和心理学领域有很多与人类问题求解机制相关的优秀研究成果值得借鉴,如神经科学领域关于脑神经元网络系统的研究和心理学领域关于语义记忆的研究等。由于研究的动机和方法等方面的差异,神经科学和心理学研究还缺少关于知识存储和算法实现机制等方面的考虑。本文在充分吸收这些相关优秀研究成果的基础上,以动态语义网络作为知识表征的手段,形式化的描述了人类进行问题求解的浸润推理机制。本文依次给出了动态语义网络的形式化定义、动态语义网络的形成规范以及基于动态语义网络的浸润推理规范,同时也给出了相关的形式化算法。文章最后详细描述了基于动态语义网络的激励传播算法,并以一个实际的问题为例,在计算机上实现了该算法,从而模拟了问题求解的浸润推理过程。这一研究对于提高基于知识的系统的推理能力和问题求解能力具有重要意义。(本文来源于《复旦大学》期刊2009-05-22）
秦忠宝,何卫平,赵锋,王佑君[6]（2006）在《一种支持动态自主学习的知识表示结构——语义神经网络》一文中研究指出分别分析了传统的语义网络和人工神经网络方法在知识表示方面的特点和不足,提出了将两者结合起来构建具有语义单元和神经单元双重机能的语义神经单元的设想。以此为基础,构造出具有全连通结构的语义神经网络,给出了网络的权值学习方法及概念单元的语义联想机制,从而形成自主学习与语义联想相统一的集成化知识表示结构。它既能对概念语义及其关联关系进行直观、准确的表示,同时又对概念语义的联想、学习和更新等过程提供统一的支持平台。(本文来源于《计算机工程与应用》期刊2006年19期）
叶鹏,樊孝忠[7]（2004）在《动态语义知识网络构建研究》一文中研究指出分析了目前语义知识库研究现状,提出了一种新的语义知识结构模型———以Ontology(本体)概念为理论基础,将现有的中文信息库和离散型神经元网络结构相结合,构建了一个具有自学习、自适应能力的神经语义知识网络模型.(本文来源于《北华大学学报(自然科学版)》期刊2004年02期）
王伯雄[8]（1999）在《动态语义设计网络对工程设计的支持》一文中研究指出不断增加的产品复杂性要求掌握设计过程中所有的相互依存关系。动态语义设计网络的建立可对各设计步骤之间和产品零件之间的相互作用进行全面记录并给予动态考虑，减少产品开发中的信息丢失并尽早发现问题。ＡＳＫＩＭＡ 设计系统在从确定要求的早期阶段直至最终对各部件细化的整个过程中支持对它们之间相互依存关系的确定和考虑。(本文来源于《工程设计》期刊1999年04期）
动态语义网络论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
人类进行语言理解的最终目的是通过抽象语言符号的处理而获得符号所代表的意义和知识,并在人与人之间展开有效的交流。研究者把从抽象的语言符号获得丰富和具体意义知识的认知过程称为语义加工。随着研究的深入,对语义加工的研究开始从外显的行为观察转入到对其大脑机制的探索。认知神经科学技术为了解语义加工的大脑机制提供了重要的研究手段。例如,高时间分辨率技术ERP,提供了语义加工的精确时间进程,研究发现了一些跟语义加工密切相关的ERP成分,例如经典的N400成分,P600成分以及一些早期的N1/P2成分。相应地,高空间分辨率的技术如fMPI发现,语义加工是由额叶和颞叶构成的网络系统来完成的,在这个网络中,左侧额下回、双侧颞中回以及颞叶前部在其中起到了重要的作用。虽然这些研究为语义加工的大脑机制提供了重要的实验证据,但是由于ERP技术空间分辨率较低,fMPI技术时间分辨率较低,这导致利用这两个非常重要的技术所获得的研究成果较难进行融合,因此也影响了我们对于语义加工对应的大脑机制的认识。在这个报告中,我们将展示一种新的成像技术,事件相关光学成像技术(Event-Related Optical Signals,EROS),并展示利用这个成像技术的一些初步研究结果。这个技术由于同时具备高时间和空间分辨率,一方面可以更好地融合ERP和地/MRI所发现的实验证据,另外一方面可以更直接地为我们展示语义加工的大脑动态网络,为我们更深入地了解语义加工的大脑机制提供一个新的视角。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
动态语义网络论文参考文献
[1].姜文超,庄志刚,涂旭平,利传杰,刘海波.结合外部知识的动态多层次语义抽取网络模型[J].模式识别与人工智能.2019
[2].黄健,王穗苹,陈煊之.语义加工的大脑动态网络——来自事件相关光学成像技术的实验证据[C].第十九届全国心理学学术会议摘要集.2016
[3].廖祝华,张国清,杨景,边建功,易爱平.网络环境下动态分布内容的自组织语义整合框架[J].软件学报.2013
[4].秦小铁,邱玉辉,尹世群.一种基于自学习的动态语义网络的图像检索方法[J].西南师范大学学报(自然科学版).2010
[5].贺文.基于动态语义网络的概念表征与浸润推理研究[D].复旦大学.2009
[6].秦忠宝,何卫平,赵锋,王佑君.一种支持动态自主学习的知识表示结构——语义神经网络[J].计算机工程与应用.2006
[7].叶鹏,樊孝忠.动态语义知识网络构建研究[J].北华大学学报(自然科学版).2004
[8].王伯雄.动态语义设计网络对工程设计的支持[J].工程设计.1999
标签：机器阅读理解(MRC); 语义匹配; 动态双向注意力机制; 外部知识;