基于伽罗瓦格和贝叶斯形式化的模糊语义网络优化
信息检索
2012-06-12 v1
摘要
本文提出了一种基于贝叶斯分析技术和伽罗瓦格的模糊语义网络优化方法。我们使用的技术系统通过利用新词与已知词之间建立的链接来学习解释未知词。主要链接由查询的上下文提供。当新手的查询与一个未知动词（目标）混淆，该动词应用于一个已知名词（表示理想用户网络中的对象或用户网络中的对象）时，系统推断这个新动词对应于已知目标之一。随着自然语言中新词的学习（以与用户一致的方式产生解释），系统在每次与新用户的实验中改进其表示方案，并且还利用了先前与用户的讨论。通过这种方式学习得到的用户对象语义网络并不总是最优的，因为一些用户对象对之间的关系可以根据表征它们的力值进行泛化或抑制。实际上，为了简化得到的网络，我们建议对从伽罗瓦格获得的网络进行归纳贝叶斯分析。该分析的目标可以看作是对所得描述图进行过滤操作。
引用
@article{arxiv.1206.1852,
title = {Optimization of Fuzzy Semantic Networks Based on Galois Lattice and Bayesian Formalism},
author = {Mohamed Nazih Omri},
journal= {arXiv preprint arXiv:1206.1852},
year = {2012}
}
备注
arXiv admin note: text overlap with arXiv:1206.1794