基于馬爾可夫邏輯網(wǎng)的文本推理技術(shù).pdf

1、隨著人工智能領(lǐng)域在近年來的飛速發(fā)展，人們對于計(jì)算機(jī)理解自然語言的能力提出了嶄新的要求。而文本推理技術(shù)作為自然語言理解領(lǐng)域的研究基礎(chǔ)，與信息檢索、信息抽取、自動問答、機(jī)器翻譯等諸多自然語言處理研究領(lǐng)域有著密不可分的聯(lián)系，也因此受到了世界各研究機(jī)構(gòu)與研究人員的廣泛關(guān)注。
　　文本推理是對于兩段給定的自然語言文本，判斷出它們之間邏輯關(guān)系，包括邏輯蘊(yùn)涵、等價(jià)、獨(dú)立、矛盾。而目前最廣泛使用的用于解決文本推理問題的方法是基于機(jī)器學(xué)習(xí)框架的文本

2、推理技術(shù)。該方法通過不同的方式從自然語言文本中提取出各種不同層次的語法、語義特征，然后使用決策樹、KNN、SVM等機(jī)器學(xué)習(xí)方法進(jìn)行模型的訓(xùn)練，并最終使用分類的方法得到文本之間的邏輯關(guān)系。
　　基于機(jī)器學(xué)習(xí)框架的文本推理方法所面臨的一大難點(diǎn)在于特征表達(dá)方式的局限性。在自然語言中相同的詞在不同語境中可能代表不同的意思，相同的語義也可以通過不同的表達(dá)方式進(jìn)行表達(dá)，而復(fù)雜的句法結(jié)構(gòu)更是可以使得相同的詞語通過不同的排列方式表達(dá)出完全不同的語

3、義。這種自然語言的多樣性是基于機(jī)器學(xué)習(xí)的文本推理技術(shù)的特征表達(dá)方式所難以適應(yīng)的，也是文本推理問題本身的最大難點(diǎn)。
　　為了從一定程度上解決這種問題，本文提出了基于馬爾可夫邏輯網(wǎng)的文本推理技術(shù)。馬爾可夫邏輯網(wǎng)是結(jié)合了概率圖模型與一階謂詞邏輯的機(jī)器學(xué)習(xí)方法，該方法通過為知識庫中的每個(gè)一階謂詞邏輯準(zhǔn)則賦權(quán)重的方式同時(shí)克服了概率模型特征表達(dá)方式的局限性與一階謂詞邏輯推理處理不確定性的缺陷。我們從包括字符串級別、表層語義和深層語義的不同層面