基于自然语言新词学习的模糊知识表示工具软化
人工智能
2012-06-11 v1
摘要
本文描述的方法允许通过模糊语义网络中的学习，使用隶属函数来表示不精确和不确定的知识。这种表示具有很大的实际意义，因为一方面可以从一个简单的值出发构建隶属函数，该值表示一个对象或目标相对于另一个对象或目标的解释程度；另一方面，可以在学习过程中调整隶属函数。我们展示了如何使用这些隶属函数来表示用户对象（或目标）相对于系统对象（或目标）的解释。我们还展示了为每个用户对象相对于系统对象的表示做出决策的可能性。该决策通过根据用户对象隶属函数的核计算决策系数来确定。
引用
@article{arxiv.1206.1724,
title = {Softening Fuzzy Knowledge Representation Tool with the Learning of New Words in Natural Language},
author = {Mohamed Nazih Omri},
journal= {arXiv preprint arXiv:1206.1724},
year = {2012}
}