| 文章摘要 | 根据自然语言的群集现象和对知识体系动态更新的要求，该文提出了一种基于语句聚类识别的知识动态提取方法.文中首先给出了知识动态提取方法的研究框架，该框架描述了由自然语言文卷到面向对象知识体系的转换过程.研究了语句矢量化的有关问题，给出了若干基本定义和一个判定定理，讨论了句元属性矢量的后置处理.提出了基于神经网络的语句聚类识别方法，采用前信度概念作为语句识别结果可信性的一种度量，利用Matlab编写了一个ART2神经网络仿真程序,给出了该神经网络对语句识别的效果且作了相应分析.根据ART2网络对语句进行识别的结果，需将聚类后的各个语句进行知识形式的转换，为此提出了中间代码生成的宽度优先方法，并定义后信度作为对语句识别及语义模型构造可信性的一个最终评价指标；进而针对合取规则句型，具体介绍了该方法的实现步骤.最后运用结构建模新方法生成结构化的派生关系，从而完成了由自然语言文卷到面向对象知识体系的知识提取过程.作者将一个以机械CAD为背景的应用实例贯穿全文，演示了该实例的具体实现，证实了所提方法的有效性.
关键词 自然语言处理，知识提取，语句聚类识别，神经网络，结构建模
中图法分类号：TP18
|