基于馬爾可夫邏輯網的文本推理技術.pdf

1、隨著人工智能領域在近年來的飛速發(fā)展，人們對于計算機理解自然語言的能力提出了嶄新的要求。而文本推理技術作為自然語言理解領域的研究基礎，與信息檢索、信息抽取、自動問答、機器翻譯等諸多自然語言處理研究領域有著密不可分的聯(lián)系，也因此受到了世界各研究機構與研究人員的廣泛關注。
　　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系，包括邏輯蘊涵、等價、獨立、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器學習框架的文本

2、推理技術。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等機器學習方法進行模型的訓練，并最終使用分類的方法得到文本之間的邏輯關系。
　　基于機器學習框架的文本推理方法所面臨的一大難點在于特征表達方式的局限性。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方式進行表達，而復雜的句法結構更是可以使得相同的詞語通過不同的排列方式表達出完全不同的語

3、義。這種自然語言的多樣性是基于機器學習的文本推理技術的特征表達方式所難以適應的，也是文本推理問題本身的最大難點。
　　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的文本推理技術。馬爾可夫邏輯網是結合了概率圖模型與一階謂詞邏輯的機器學習方法，該方法通過為知識庫中的每個一階謂詞邏輯準則賦權重的方式同時克服了概率模型特征表達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