CN107679062A - 一种推理群体意图的方法及电子设备 - Google Patents
一种推理群体意图的方法及电子设备 Download PDFInfo
- Publication number
- CN107679062A CN107679062A CN201710638299.7A CN201710638299A CN107679062A CN 107679062 A CN107679062 A CN 107679062A CN 201710638299 A CN201710638299 A CN 201710638299A CN 107679062 A CN107679062 A CN 107679062A
- Authority
- CN
- China
- Prior art keywords
- group
- individual
- individuals
- events
- intention
- Prior art date
- Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
- Granted
Links
- 238000000034 method Methods 0.000 title claims abstract description 39
- 230000001364 causal effect Effects 0.000 claims description 13
- 230000003340 mental effect Effects 0.000 claims description 3
- 238000005065 mining Methods 0.000 abstract description 7
- 238000005516 engineering process Methods 0.000 abstract description 4
- 238000000605 extraction Methods 0.000 abstract 1
- 230000008569 process Effects 0.000 description 11
- 238000011161 development Methods 0.000 description 10
- 230000009471 action Effects 0.000 description 9
- 238000010586 diagram Methods 0.000 description 8
- 238000011160 research Methods 0.000 description 8
- 238000001514 detection method Methods 0.000 description 5
- 230000006870 function Effects 0.000 description 5
- 230000000694 effects Effects 0.000 description 4
- 230000008520 organization Effects 0.000 description 4
- 230000006399 behavior Effects 0.000 description 2
- 230000008901 benefit Effects 0.000 description 2
- 238000013461 design Methods 0.000 description 2
- 238000012986 modification Methods 0.000 description 2
- 230000004048 modification Effects 0.000 description 2
- 230000002093 peripheral effect Effects 0.000 description 2
- 238000012545 processing Methods 0.000 description 2
- 239000013589 supplement Substances 0.000 description 2
- 230000005540 biological transmission Effects 0.000 description 1
- 230000009916 joint effect Effects 0.000 description 1
- 238000012544 monitoring process Methods 0.000 description 1
- 230000003287 optical effect Effects 0.000 description 1
- 238000007670 refining Methods 0.000 description 1
- 230000001502 supplementing effect Effects 0.000 description 1
Classifications
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/90—Details of database functions independent of the retrieved data types
- G06F16/95—Retrieval from the web
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F16/00—Information retrieval; Database structures therefor; File system structures therefor
- G06F16/30—Information retrieval; Database structures therefor; File system structures therefor of unstructured textual data
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06F—ELECTRIC DIGITAL DATA PROCESSING
- G06F2216/00—Indexing scheme relating to additional aspects of information retrieval not explicitly covered by G06F16/00 and subgroups
- G06F2216/03—Data mining
Landscapes
- Engineering & Computer Science (AREA)
- Theoretical Computer Science (AREA)
- Databases & Information Systems (AREA)
- Data Mining & Analysis (AREA)
- Physics & Mathematics (AREA)
- General Engineering & Computer Science (AREA)
- General Physics & Mathematics (AREA)
- Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
- Machine Translation (AREA)
Abstract
本发明实施例涉及文本挖掘技术领域,公开了一种推理群体意图的方法及电子设备。推理群体意图的方法,包括:从文本中获取多个个体的信息并根据所述多个个体的信息构建个体信息本体库;提取所述文本中所述多个个体各自对应的事件,基于提取的事件构建意图描述本体库;基于一阶逻辑系统以及所述个体信息本体库和所述意图描述本体库推理得到群体意图。本发明,能够使得人们在面对海量文本信息时根据文本中的个体信息以及文本中包含的事件信息,进行广泛的文本挖掘,进而从个体信息意图推理出群体的意图。
Description
技术领域
本发明实施例涉及文本挖掘技术领域,特别涉及一种推理群体意图的方法及电子设备。
背景技术
信息网络时代带来了多源的、飞速增长的海量文本信息(例如新闻文档、研究论文、电子书籍、电子邮件和网络页面等),面对如此庞大的信息资源,我们必须研究和发展文本挖掘技术,掌握事件检测、分析和关联的技术,以提升信息获取、分析和利用的能力,这在学术研究、商业应用、军事政治、乃至国家战略层面都具有非常重要的作用。同时,事件具有政治、经济、军事、社会、文化和个人等多重意义,随着新媒体环境的快速成熟,以互联网为主的电子文本内容已经占据信息传播的主导地位。事件(从最基本的简单句到一系列语篇文本)本身就蕴含着大量的情报信息,事件之间的关系(显性和隐性)构成了事件发生、发展的线索和脉络。
事件之间不是孤立的,一个事件的发生发展和其它事件通常存在显性(Explicit)或隐性(Implicit)的逻辑关系(例如因果关系和时间顺序);而且,事件的发生、发展与其主要人物有着非常密切的联系,文本内容中所包含的主要人物的“意图”或“主观倾向”通常也会影响或预示事件的后续发展方向。“意图”不仅仅有助于识别已发生事件间的关系,还有利于分析或预测未来的事件发展趋势或后果。
意图在人们的实践推理和行动中具有关键性的作用,“意图是构成计划的砖瓦,而计划则是扩大化的意图”。意图并非事件发生发展的充分条件,却是能够推动事件发生发展的因素(主观因素)之一;因此,信息意图的检测有助于构建若干小微事件到主体事件之间的隐性联系,可以揭示事件发生发展的主观动因,从而全面掌握事件的发生、发展的推理、演化和预测。因此,研究信息意图检测和推理技术,能够从主观信息层面丰富和补充大、小事件发生、发展和演化规律的检测技术手段和趋势预测能力,在政治和军事情报分析、商业情报挖掘、网络舆情分析和监控等领域都有广阔的应用前景。
目前在Web(互联网)用户查询意图分析方面的研究成果比较丰富,其研究目标是通过用户输入的关键词,结合用户查询行为,辨析用户偏好(识别用户的内在查询意图),从而提高搜索查询效率和用户满意度。
发明人发现现有技术中至少存在如下问题:就目前的用户查询意图分析方面的研究成果无法解决面向海量文本的事件关系检测问题,同时,针对文本内容实施信息意图检测的研究工作较少,且限于词汇之间的句法、语义关系分析,尚未见在更高层面(例如语篇层面)进行更加广泛全面的文本挖掘处理实践,同时也没有从个体信息意图深入到群体意图推理的研究工作。
发明内容
本发明实施方式的目的在于提供一种推理群体意图的方法及其终端,使得人们在面对海量文本信息时能根据文本中的个体信息以及文本中包含的事件信息,进行广泛的文本挖掘,进而推理出群体的意图。
为解决上述技术问题,本发明的实施方式提供了一种推理群体意图大方法,包括以下步骤:
从文本中获取多个个体的信息并根据所述多个个体的信息构建个体信息本体库;
提取所述文本中所述多个个体各自对应的事件,基于提取的事件构建意图描述本体库;
基于一阶逻辑系统以及所述个体信息本体库和所述意图描述本体库推理得到群体意图。
本发明的实施方式还提供了一种电子设备,包括:
至少一个处理器;以及,
与所述至少一个处理器连接的通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行上述实施方式所述的基于文本推理群体意图的方法。
本发明实施方式相对于现有技术而言,本实施方式中通过从文本中获取多个个体的信息以及该多个个体各自对应的事件,基于一阶逻辑系统对已识别的文本信息进行意图的分析并推理出群体可能的意图,利用一阶逻辑系统明确的各事件与文本中多个个体的关系,以及明确的各事件之间的逻辑关系,从文本中推理得到群体的意图,从而实现了群体意图的推理。
另外,本发明的实施方式所提供的基于文本推理群体意图的方法还包括:从所述文本中获取所述每个个体各自所对应的事件之外的其他信息构建本体扩展库;所述基于一阶逻辑系统以及所述个体信息本体库和所述意图描述本体库推理得到群体意图,包括:基于一阶逻辑系统以及所述个体信息本体库、所述意图描述本体库和所述本体扩展库,推理得到群体意图。
该实施方式中,一阶逻辑系统在推理群体意图时能够基于个体信息本体库、意图描述本体库以及本体扩展库掌握事件发生发展的完整过程,根据扩展本体库能够补充和确定事件的意图,在推理群体时起到补充推理的作用。
另外,基于一阶逻辑系统以及所述个体信息本体库和所述意图描述本体库推理得到群体意图,包括:基于所述一阶逻辑系统,确定所述意图描述本体库所描述的所述个体信息库中的每个个体的意图;根据所述每个个体的意图,确定所述每个个体各自所属的群体的意图。该实施方式中,基于一阶逻辑系统分析并确定文本中的个体信息,以及确定每个个体信息的意图,根据个体的意图确定个体所属的群体,有助于掌握个体在所属群体中的作用和意义,有助于推理出所属群体的意图。
另外,该个体信息本体库中包含个体信息以及个体具有的个性的特质,其中,所述个体具有个性的特质中每个特质关联一个特质空间,所述个体为实体或非实体;该意图描述本体库用于对所述个体信息本体库中属于实体的个体的事件进行规范性描述;该一阶逻辑系统中包括多个元逻辑,所述元逻辑表示事件之间的逻辑关系。
另外,所述多个个体各自对应的事件反映群体的意愿;所述多个个体各自对应的事件表示多个个体之间的关联关系,根据所述关联关系确定所述个体信息本体库中的每个个体所属的群体;其中,所述多个个体之间的关联关系包括:所述多个个体之间存在的固有联系。
另外,所述多个个体各自对应的事件反映群体的意愿;其中,所述多个个体各自对应的事件为个体事件,所述个体事件包含隐性或显性的关系;其中,所述显性的关系表示事件之间有明确的因果关系,所述隐性的关系表示事件之间没有明显的因果关系。该实施方式中,通过获取多个个体对应的个体事件,其中事件的关系可能是显性或隐性,明确该个体在群体中的作用,以提高对群体意图推测的准确性。
另外,所述本体扩展库包括:所述多个个体各自意图描述中的状态、信息对象、地域、特质和心理对象中的一种或多种的组合。该实施方式中,本体扩展库能够细化事件的执行过程。
附图说明
一个或多个实施例通过与之对应的附图中的图片进行示例性说明,这些示例性说明并不构成对实施例的限定,附图中具有相同参考数字标号的元件表示为类似的元件,除非有特别申明,附图中的图不构成比例限制。
图1是本发明第一实施方式中推理群体意图的方法流程图;
图2是本发明第二实施方式中推理群体意图的方法流程图;
图3是本发明第二实施方式中群体意图的广义类图示意;
图4是本发明第二实施方式中群体意图的狭义类图示意;
图5是本发明第三实施方式中一种电子设备的结构示意图。
具体实施方式
为使本发明实施例的目的、技术方案和优点更加清楚,下面将结合附图对本发明的各实施方式进行详细的阐述。然而,本领域的普通技术人员可以理解,在本发明各实施方式中,为了使读者更好地理解本申请而提出了许多技术细节。但是,即使没有这些技术细节和基于以下各实施方式的种种变化和修改,也可以实现本申请所要求保护的技术方案。
本发明的第一实施方式涉及一种基于文本推理群体意图的方法。具体流程如图1所示。
步骤101:从文本中获取多个个体的信息并根据该多个个体的信息构建个体信息本体库;
步骤102:提取该文本中多个个体各自对应的事件,基于提取的事件构建意图描述本体库;
步骤103:基于一阶逻辑系统以及个体信息本体库和所述描述本体库推理得到群体意图。
具体的,在文本中获取多个个体的信息时,从文本中语篇的层面获取每句话中的主语,以及文本中每个主语对应的事件,该文本信息可以是多个文本,即就是说获取多个文本中的个体信息,因此,本实施方式是基于海量文本的群体意图推测。同样,文本数量越大包含的个体以及个体的事件信息越多,因此,包含相关个体的文本越多,获取的有关个体信息和事件也越多,对于群体意图的推理也是更为准确的。
具体的,在一个组织中,每个个体相互联系,互相合作,文本包括了组织中所有个体间的事件以及个体之间的相互关系,基于上述实施方式从文本中获取每个个体的信息,并建立个体信息本体库;从文本信息中提取多个个体各自对应的事件,并建立对应的意图描述本体库,根据一阶逻辑系统以及根据个体信息本体库和意图描述本体库,可推测出事件之间的关系以及事件对应的意图信息,同时根据每个个体的意图以及每个个体之间的关系推测群体的意图。
具体的,在基于一阶逻辑系统,确定意图描述本体库所描述的个体信息库中的每个个体的意图,并根据每个个体的意图,确定每个个体各自所属的群体的意图。在一个具体的实现中,一个组织可能是由多个团体组成的,因此,对于获取文本中每个个体的信息,以及个体的意图,确定每个个体所属的团体,表明个体在该团体的作用,并根据所述团体在群体中的作用确定该群体的意图。
具体的,多个个体各自对应的事件反映群体的意愿,其中,将个体对应的事件称为个体事件,个体事件包含隐性或显性的关系;其中,显性的关系表示事件之间有明确的因果关系,隐性的关系表示事件之间没有明显的因果关系。
在一个具体的实现中,一个文本中包含的个体有:A、B、C、D、E,其中该五个个体各自对应的事件有:A做了事件一,B做了事件二,C做了事件三,D做了事件四,E做了事件五;其中,各事件之间没有任何的交集和关联,是隐性的事件关系,基于上述五个事件之后,该文本中还描述了五个个体基于这五个事件实现了一个共同的目标,就是说之前每个个体所做的事件都是实现共同目标的准备阶段。因此,实际上每个个体在实施各自对应的事件时均是抱有同样的意图去做的,具体的,在A实施事件一时,例如,事件一为出门买食物,则A先找到自己的钱包然后出门买食物就是一个显性的事件关系,找钱包与最终的买食物有明显的因果关系。
相对于现有技术而言,本实施方式中通过从文本中获取多个个体的信息以及该多个个体各自对应的事件,基于一阶逻辑系统对已识别的文本信息进行意图的分析并推理出群体可能的意图,利用一阶逻辑系统明确的各事件与文本中多个个体的关系,以及明确的各事件之间的逻辑关系,从文本中推理得到群体的意图,从而实现了群体意图的推理。
本发明的第二实施方式涉及一种基于文本推理群体意图的方法。第二实施方式与第一实施方式大致相同,主要区别之处在于:在本发明第二实施方式中,在做群体意图推测的过程中还包括构建本体扩展库,具体的流程图如图2所示。
步骤201:从文本中获取多个个体的信息并根据该多个个体的信息构建个体信息本体库;
步骤202:提取该文本中多个个体各自对应的事件,基于提取的事件构建意图描述本体库;
步骤203:从该文本中获取每个个体各自所对应的事件之外的其他信息构建本体扩展库;
步骤204:基于一阶逻辑系统以及个体信息本体库、意图描述本体库和本体扩展库,推理得到群体意图。
具体的,本体扩展库包括:多个个体各自意图描述中的状态、信息对象、地域、特质和心理对象中的一种或多种的组合。该实施方式中,本体扩展库是一个开放域,在一个具体的实现中,本体扩展库所包含的信息用于基于抽象层面细化事件的描述,包含状态、地域等能够有效细化事件过程的信息。
基于第一或第二实施方式的一个具体实现中,该个体信息本体库中包含个体信息以及个体具有的个性的特质,其中,个体具有个性的特质中每个特质关联一个特质空间,该文本中的个体为实体或非实体;例如,该文本中的主体是文本中一个事件的主体,具体可以为一个人,也可能是一个组织,团体等。该意图描述本体库用于对基于文本中的个体信息本体库中属于实体的个体的事件进行规范性描述;该一阶逻辑系统中包括多个元逻辑,元逻辑表示事件之间的逻辑关系。
具体的,该一阶逻辑是基于个体信息本体库、意图描述本体库和扩展本体库的研究分析,对一阶逻辑系统中的公式进行扩充,关于一阶逻辑系统中公式可根据推理的目的进行调整。
在一个具体的实现中,采用一阶逻辑系统推理群体意图的过程可以通过广义或狭义的类图表示,例如在群体的广义和狭义类图中,“个体”表示文本中的信息意图的个体;“群体”表示由相关个体组成的群体;“角色”表示个体在群体中所处的角色或地位;“事件”表示群体意图所反映的计划任务;“目标”表示群体意图所反映的目标或行动。图3是群体意图的广义类图,其中,每个个体之间的关系构成群体,群体中每个个体在群体中担当一定的角色,角色的体现在于:事件中每个个体执行的任务或计划,每个个体执行的任务实现了怎样的目标。图4是群体意图的狭义类图,其中,与图3的区别之处是每个个体在任务中的角色是严格规定的,已经定义的角色,上述群体的狭义和广义类图均是群体意图的表达方式,都是表达了群体之间的关系,以及文本中事件与意图的关系。
具体的,在进行多文本内容分析时常会出现多个主体,主要人物被称为群体中的个体,例如,一个群体中包括多个团体,因此,若干个体均属于这一群体时,确定每个团体中的个体数量以及每个团体的主要人物即可分析该团体的行为与意图。在一个具体实现中,群体意图推理可以分为群体模式中团队推理和个体模式中团队推理两种模式。
例如,假设U表示任意支付函数(团队或个人能获得的利益),G是S中的一个团体,A代表任意行动组合,群体模式中团队推理的过程为:(1)我们都是G中的成员;(2)我们每个个体都认同G;(3)我们每个个体都想U值最大;(4)A唯一最大化U。因此推理出:我们每个个体都会选择A中属于他的那个行动。
在上述的群体意图推理中,由团队推理不会导致纳什均衡,是因为纳什均衡是个体行动选择的关系,而这些个体并不是共同的群体,没有共同的群体利益;其次,团队推理所形成的群体意图,是每个个体实施联合行动而使群体成为一个能动的整体。
例如,个体模式中团队推理的过程为:(1)我是G中的一员;(2)G中的每个个体都认同G,这是G中的个体公知知识;(3)G中的每个个体都想U值最大化,这是G中的个体公知知识;(4)A唯一最大化U,这是G的公知知识。因此推理出:我会选择A中属于我的那个行动。
上述的具体实现中,团队推理是为了说明每个个体追求群体目标时,会选择使得团队收益最大的策略,根据该个体选择那个行动的意图,而确定团队也是他产生这一意图不可或缺的因素,因此,团队推理导致群体意图的产生。
具体的,个体意图在实践推理中的作用也同样适用于群体意图,也就是说群体意图推理也包含一致性。基于事件之间的显性或隐性关系,能够根据事件推测得到意图。一阶逻辑的结果具有一致性、稳定性、目标-行为和谐性,因此基于个体事件与群体意图之间也具有一致性、稳定性、目标-行为和谐性。另外,对群体意图的推测也包括个体事件中实现群体意图所进行的协商以及行动和计划的协调。
具体的,事件之间的关系并不会通过表示因果的关键词直接显示出来,意图关系并非是必然的显性因果关系,那么多个事件发生和发展的关联的集合也可能包含隐性的因果关系。在一个具体实现中,如果用A表示Plan事件,B表示Goal事件,那么Plan(A)→Goal(B)就构成了一个意图关系A、B就是意图关系两端的事件,A→B就形成意图所对应的一个最简单的事件关联关系。由于事件数目和意图关系的变化形式多种多样,表1仅列出了部分常见的意图关系和事件关联关系图例,此处的事件之间的关系仅为举例说明,实际中的事件关系不限于此。
表1 意图关系集合和事件关联关系图例
其中,表1的第一个意图关系集合中,Plan(A)→Goal(B);Plan(B)→Goal(C);Plan(C)→Goal(D),根据事件关系,事件A与事件C不具有明显的因果关系,根据事件A推理意图D也不具有明显的因果关系,但根据中间事件B、C可实现推测出意图D。
其中,表1中的第二个意图关系集合中,Plan(A)→Goal(B);Plan(A)→Goal(C),事件B和C不具有明显的因果关系,它们均与事件A有明显的因果关系,对于同样的事件A可能有不同的结果与因果。
其中,表1中的第三个意图关系集合中,Plan(A)→Goal(C);Plan(B)→Goal(C),事件A和事件B的发生可导致同一事件C的发生。
其中,表1中的第四个意图关系集合中,Plan(A)→Goal(B);Plan(A)→Goal(C);Plan(B)→Goal(D);Plan(C)→Goal(D);Plan(D)→Goal(E),同一事件A可能会导致事件B或事件C的发生,对于群体意图的推测不止有一种方式,主要是明确事件之间的因果和联系。
其中,表1中的第五个意图关系集合中,Plan(A)→Goal(C);Plan(B)→Goal(C);Plan(C)→Goal(D);Plan(C)→Goal(E),其中事件C作为目标事件可能是不同的事件的结果,同样,作为原因也可推理出不同的结果。
具体的,本实施方式能够在语篇层面分析文本信息,基于文本扩展库能够细化执行过程,并根据一阶逻辑系统明确文本中事件之间关系,事件的发生可能不止是一个意图的作用,而且同一事件可能会引起不同的结果,在一阶逻辑系统根据个体信息库和意图描述库推理群体意图,依据扩展本体库可确定事件的完整性,在群体意图推理的过程中起到补充推理的作用。
上面各种方法的步骤划分,只是为了描述清楚,实现时可以合并为一个步骤或者对某些步骤进行拆分,分解为多个步骤,只要包括相同的逻辑关系,都在本专利的保护范围内;对算法中或者流程中添加无关紧要的修改或者引入无关紧要的设计,但不改变其算法和流程的核心设计都在该专利的保护范围内。
本发明第三实施方式涉及一种电子设备50,如图5所示,包括存储器501、处理器502。
存储器501用于存储可被处理器执行的程序;
处理器502用于执行上述实施方式中基于文本推理群体意图的方法的步骤。
具体的,处理器用于执行的步骤包括:
从文本中获取多个个体的信息并根据所述多个个体的信息构建个体信息本体库;
提取所述文本中所述多个个体各自对应的事件,基于提取的事件构建意图描述本体库;
基于一阶逻辑系统以及所述个体信息本体库和所述意图描述本体库推理得到群体意图。
具体实施中,处理器还用于从所述文本中获取所述每个个体各自所对应的事件之外的其他信息构建本体扩展库;
所述基于一阶逻辑系统以及所述个体信息本体库和所述意图描述本体库推理得到群体意图,包括:基于一阶逻辑系统以及所述个体信息本体库、所述意图描述本体库和所述本体扩展库,推理得到群体意图。
由于第一和二实施方式与本实施方式相互对应,因此本实施方式可与第一和第二实施方式互相配合实施。第一和第二实施方式中提到的相关技术细节在本实施方式中依然有效,在第一和第二实施方式中所能达到的技术效果在本实施方式中也同样可以实现,为了减少重复,这里不再赘述。相应地,本实施方式中提到的相关技术细节也可应用在第一和第二实施方式中。
其中,存储器和处理器采用总线方式连接,总线可以包括任意数量的互联的总线和桥,总线将一个或多个处理器和存储器的各种电路链接在一起。总线还可以将诸如外围设备、稳压器和功率管理电路等之类的各种其他电路链接在一起,这些都是本领域所公知的,因此,本文不再对其进行进一步描述。总线接口在总线和收发机之间提供接口。收发机可以是一个元件,也可以是多个元件,比如多个接收器和发送器,提供用于在传输介质上与各种其他装置通信的单元。经处理器处理的数据通过天线在无线介质上进行传输,进一步,天线还接收数据并将数据传送给处理器。
处理器负责管理总线和通常的处理,还可以提供各种功能,包括定时,外围接口,电压调节、电源管理以及其他控制功能。而存储器可以被用于存储处理器在执行操作时所使用的数据。
本领域技术人员可以理解实现上述实施例方法中的全部或部分步骤是可以通过程序来指令相关的硬件来完成,该程序存储在一个存储介质中,包括若干指令用以使得一个设备(可以是单片机,芯片等)或处理器(processor)执行本申请各个实施例所述方法的全部或部分步骤。而前述的存储介质包括:U盘、移动硬盘、只读存储器(ROM,Read-OnlyMemory)、随机存取存储器(RAM,Random Access Memory)、磁碟或者光盘等各种可以存储程序代码的介质。
本领域的普通技术人员可以理解,上述各实施方式是实现本发明的具体实施例,而在实际应用中,可以在形式上和细节上对其作各种改变,而不偏离本发明的精神和范围。
Claims (9)
1.一种推理群体意图的方法,其特征在于,包括:
从文本中获取多个个体的信息并根据所述多个个体的信息构建个体信息本体库;
提取所述文本中所述多个个体各自对应的事件,基于提取的事件构建意图描述本体库;
基于一阶逻辑系统以及所述个体信息本体库和所述意图描述本体库推理得到群体意图。
2.根据权利要求1所述的推理群体意图的方法,其特征在于,所述基于文本推理群体意图的方法还包括:
从所述文本中获取所述每个个体各自所对应的事件之外的其他信息构建本体扩展库;
所述基于一阶逻辑系统以及所述个体信息本体库和所述意图描述本体库推理得到群体意图,包括:
基于一阶逻辑系统以及所述个体信息本体库、所述意图描述本体库和所述本体扩展库,推理得到群体意图。
3.根据权利要求1所述的推理群体意图的方法,其特征在于,所述基于一阶逻辑系统以及所述个体信息本体库和所述意图描述本体库推理得到群体意图,包括:
基于所述一阶逻辑系统,确定所述意图描述本体库所描述的所述个体信息库中的每个个体的意图;
根据所述每个个体的意图,确定所述每个个体各自所属的群体的意图。
4.根据权利要求1至3中任一项的推理群体意图的方法,其特征在于,所述文本为单个文本或多个文本的组合。
5.根据权利要求1或2所述的推理群体意图的方法,其特征在于,所述个体信息本体库中包含个体信息以及个体具有的个性的特质,其中,所述个体具有个性的特质中每个特质关联一个特质空间,所述个体为实体或非实体;
所述意图描述本体库用于对所述个体信息本体库中属于实体的个体的事件进行规范性描述;
所述一阶逻辑系统中包括多个元逻辑,所述元逻辑表示事件之间的逻辑关系。
6.根据权利要求1所述的推理群体意图的方法,其特征在于,所述多个个体各自对应的事件反映群体的意愿;
所述多个个体各自对应的事件表示多个个体之间的关联关系,根据所述关联关系确定所述个体信息本体库中的每个个体所属的群体;
其中,所述多个个体之间的关联关系包括:所述多个个体之间存在的固有联系。
7.根据权利要求6所述的推理群体意图的方法,其特征在于,所述多个个体各自对应的事件反映群体的意愿;其中,
所述多个个体各自对应的事件为个体事件,所述个体事件包含隐性或显性的关系;其中,所述显性的关系表示事件之间有明确的因果关系,所述隐性的关系表示事件之间没有明显的因果关系。
8.根据权利要求2所述的推理群体意图的方法,其特征在于,所述本体扩展库包括:所述多个个体各自意图描述中的状态、信息对象、地域、特质和心理对象中的一种或多种的组合。
9.一种电子设备,其特征在于,包括:
至少一个处理器;以及,
与所述至少一个处理器通信连接的存储器;其中,
所述存储器存储有可被所述至少一个处理器执行的指令,所述指令被所述至少一个处理器执行,以使所述至少一个处理器能够执行如权利要求1-8任一所述的基于文本推理群体意图的方法。
Priority Applications (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710638299.7A CN107679062B (zh) | 2017-07-31 | 2017-07-31 | 一种推理群体意图的方法及电子设备 |
Applications Claiming Priority (1)
Application Number | Priority Date | Filing Date | Title |
---|---|---|---|
CN201710638299.7A CN107679062B (zh) | 2017-07-31 | 2017-07-31 | 一种推理群体意图的方法及电子设备 |
Publications (2)
Publication Number | Publication Date |
---|---|
CN107679062A true CN107679062A (zh) | 2018-02-09 |
CN107679062B CN107679062B (zh) | 2021-02-05 |
Family
ID=61133832
Family Applications (1)
Application Number | Title | Priority Date | Filing Date |
---|---|---|---|
CN201710638299.7A Active CN107679062B (zh) | 2017-07-31 | 2017-07-31 | 一种推理群体意图的方法及电子设备 |
Country Status (1)
Country | Link |
---|---|
CN (1) | CN107679062B (zh) |
Cited By (1)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109871955A (zh) * | 2019-01-22 | 2019-06-11 | 中国民航大学 | 一种航空安全事故因果关系抽取方法 |
Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1132847A2 (en) * | 2000-02-24 | 2001-09-12 | International Business Machines Corporation | System and method for collaborative multi-device web browsing |
US7174311B1 (en) * | 2000-07-13 | 2007-02-06 | Galietti Raymond A | Method and system for text data management and processing |
CN101188025A (zh) * | 2007-11-30 | 2008-05-28 | 电子科技大学 | 一种高效实时的群体动画框架 |
CN102693550A (zh) * | 2011-03-25 | 2012-09-26 | 上海日浦信息技术有限公司 | 虚拟场景中的智能群体运动模拟方法 |
US20120265779A1 (en) * | 2011-04-15 | 2012-10-18 | Microsoft Corporation | Interactive semantic query suggestion for content search |
US20120284270A1 (en) * | 2011-05-04 | 2012-11-08 | Nhn Corporation | Method and device to detect similar documents |
CN103458412A (zh) * | 2012-06-04 | 2013-12-18 | 百度在线网络技术(北京)有限公司 | 防止电话诈骗的系统、方法及移动终端、云端分析服务器 |
CN103942232A (zh) * | 2013-01-18 | 2014-07-23 | 佳能株式会社 | 用于挖掘意图的方法和设备 |
CN104182463A (zh) * | 2014-07-21 | 2014-12-03 | 安徽华贞信息科技有限公司 | 一种基于语义的文本分类方法 |
CN104915396A (zh) * | 2015-05-28 | 2015-09-16 | 杭州电子科技大学 | 一种知识的检索方法 |
CN105320715A (zh) * | 2014-10-22 | 2016-02-10 | 武汉理工大学 | 基于本体的语义查询方法 |
CN105487663A (zh) * | 2015-11-30 | 2016-04-13 | 北京光年无限科技有限公司 | 一种面向智能机器人的意图识别方法和系统 |
CN105940421A (zh) * | 2013-08-12 | 2016-09-14 | 菲利普莫里斯生产公司 | 用于生物网络的人群验证的系统和方法 |
CN106919674A (zh) * | 2017-02-20 | 2017-07-04 | 广东省中医院 | 一种基于Wiki语义网络构建的知识问答系统及智能检索方法 |
-
2017
- 2017-07-31 CN CN201710638299.7A patent/CN107679062B/zh active Active
Patent Citations (14)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
EP1132847A2 (en) * | 2000-02-24 | 2001-09-12 | International Business Machines Corporation | System and method for collaborative multi-device web browsing |
US7174311B1 (en) * | 2000-07-13 | 2007-02-06 | Galietti Raymond A | Method and system for text data management and processing |
CN101188025A (zh) * | 2007-11-30 | 2008-05-28 | 电子科技大学 | 一种高效实时的群体动画框架 |
CN102693550A (zh) * | 2011-03-25 | 2012-09-26 | 上海日浦信息技术有限公司 | 虚拟场景中的智能群体运动模拟方法 |
US20120265779A1 (en) * | 2011-04-15 | 2012-10-18 | Microsoft Corporation | Interactive semantic query suggestion for content search |
US20120284270A1 (en) * | 2011-05-04 | 2012-11-08 | Nhn Corporation | Method and device to detect similar documents |
CN103458412A (zh) * | 2012-06-04 | 2013-12-18 | 百度在线网络技术(北京)有限公司 | 防止电话诈骗的系统、方法及移动终端、云端分析服务器 |
CN103942232A (zh) * | 2013-01-18 | 2014-07-23 | 佳能株式会社 | 用于挖掘意图的方法和设备 |
CN105940421A (zh) * | 2013-08-12 | 2016-09-14 | 菲利普莫里斯生产公司 | 用于生物网络的人群验证的系统和方法 |
CN104182463A (zh) * | 2014-07-21 | 2014-12-03 | 安徽华贞信息科技有限公司 | 一种基于语义的文本分类方法 |
CN105320715A (zh) * | 2014-10-22 | 2016-02-10 | 武汉理工大学 | 基于本体的语义查询方法 |
CN104915396A (zh) * | 2015-05-28 | 2015-09-16 | 杭州电子科技大学 | 一种知识的检索方法 |
CN105487663A (zh) * | 2015-11-30 | 2016-04-13 | 北京光年无限科技有限公司 | 一种面向智能机器人的意图识别方法和系统 |
CN106919674A (zh) * | 2017-02-20 | 2017-07-04 | 广东省中医院 | 一种基于Wiki语义网络构建的知识问答系统及智能检索方法 |
Non-Patent Citations (1)
Title |
---|
陈泓谕: "网络媒体和数字影像的传播研究", 《电子技术与软件工程》 * |
Cited By (2)
Publication number | Priority date | Publication date | Assignee | Title |
---|---|---|---|---|
CN109871955A (zh) * | 2019-01-22 | 2019-06-11 | 中国民航大学 | 一种航空安全事故因果关系抽取方法 |
CN109871955B (zh) * | 2019-01-22 | 2022-12-27 | 中国民航大学 | 一种航空安全事故因果关系抽取方法 |
Also Published As
Publication number | Publication date |
---|---|
CN107679062B (zh) | 2021-02-05 |
Similar Documents
Publication | Publication Date | Title |
---|---|---|
US10725836B2 (en) | Intent-based organisation of APIs | |
Yang et al. | Visualizing the intellectual structure of information science (2006–2015): Introducing author keyword coupling analysis | |
Shvaiko et al. | Ontology matching: state of the art and future challenges | |
CN104254852B (zh) | 用于混合信息查询的方法和系统 | |
US9817823B2 (en) | Active knowledge guidance based on deep document analysis | |
Belhadi et al. | A data-driven approach for Twitter hashtag recommendation | |
Ben Aouicha et al. | SISR: System for integrating semantic relatedness and similarity measures | |
Yu et al. | Empower text-attributed graphs learning with large language models (llms) | |
US20170169378A1 (en) | Co-opetition Index Based on Rival Behavior in Social Networks | |
Soni et al. | Follow the leader: Documents on the leading edge of semantic change get more citations | |
EP2613275B1 (en) | Search device, search method, search program, and computer-readable memory medium for recording search program | |
Jedrzejewski et al. | Opinion mining and social networks: A promising match | |
EP3336719A1 (en) | Future scenario generation device and method, and computer program | |
CN107679062B (zh) | 一种推理群体意图的方法及电子设备 | |
Walk et al. | How to apply markov chains for modeling sequential edit patterns in collaborative ontology-engineering projects | |
CN112507214B (zh) | 基于用户名的数据处理方法、装置、设备及介质 | |
Zhao et al. | Smartwiki: A reliable and conflict-refrained wiki model based on reader differentiation and social context analysis | |
Zuin et al. | Deep learning techniques for explainable resource scales in collectible card games | |
Kaya | Pattern Labelling of Business Communication Data | |
Sarkar et al. | Representing Tasks with a Graph-Based Method for Supporting Users in Complex Search Tasks | |
Stanisavljevic et al. | Semantic stability in wikipedia | |
CN113704422A (zh) | 一种文本推荐方法、装置、计算机设备和存储介质 | |
Magalhães et al. | Quality assessment of collaboratively-created web content with no manual intervention based on soft multi-view generation | |
Viltres-Sala et al. | Information Retrieval Model with Query Expansion and User Preference Profile | |
Mumtaz | School of Computer Science and Engineering, UNSW Sydney, Sydney, NSW 2052, Australia {s. mumtaz, carlos. rodriguez, boualem}@ unsw. edu. au |
Legal Events
Date | Code | Title | Description |
---|---|---|---|
PB01 | Publication | ||
PB01 | Publication | ||
SE01 | Entry into force of request for substantive examination | ||
SE01 | Entry into force of request for substantive examination | ||
GR01 | Patent grant | ||
GR01 | Patent grant |