摘要：提出了一种从英文wordnet转换生成中文wordnet的方法 ,并设计实现了中文wordnet的转换生成系统·论述了在构造中文wordnet的语义网络时 ,概念结点的转换原则 ,中文词形与词义映射关系的重新聚合 ,以及转换生成中文wordnet的可行性及转换中的相关问题 。

摘要：超大规模训练数据及数据标注的高额代价是基于深度学习的目标检测算法面临的挑战之一,随着可检测目标类别数目的增加,情况变得尤其严重。YOLO9000提出一种目标检测和图像分类联合训练的方法,对COCO检测数据集和ImageNet分类数据集合并使用,提供了充足的训练数据,检测对象类别达到9000种。文章探讨YOLO9000中采用的数据集合并方法,即利用知识图谱wordnet信息,在两个不同类别的大型数据集上实现无冲突的图像标注策略。此方法以wordnet为语义检索,构建WordTree数据结构,辅以在层级间进行局域概率计算的多域Softmax函数设计,使得YOLO9000可以检测没有任何标记的检测数据的对象类别,大大提高了目标检测系统的检测数量,同时依然保持良好的实时性。本文论述的方法对于不同来源的数据集实施合并具有重要的指导意义。

摘要：提出一种基于wordnet自动构建语义分布词典的方法。在介绍wordnet系统和Semcor语料库的基础上,设计语义分布词典的结构。分析***文件和Taglist文件内容,详细描述以它们为基础自动构建语义分布词典的过程。

摘要：针对目前语义Web服务发现机制只能基于一个本体发布,查找的缺点,结合wordnet本体库与OWL-S语义描述语言设计一个语义明确的Web服务发现模型。该模型中采用OWL-S对Web服务进行语义描述,对领域相关本体中的概念进行预处理,以wordnet提供的术语语义为基础,建立一个全局领域相关本体。这种全局领域本体建立方法避免了因对概念理解不统一而产生的不一致性,得到的本体易于扩展。

摘要：本文以wordnet（在线词典数据库系统）里的各种语义知识和语义关系为基础，设计并实现一个处理“AisB”型的英文隐喻自动处理系统。该系统主要包括对语句的预处理和隐喻语句的自动识别。系统对语句先进行预处理（包括分词和句法分析），再对主、表语进行知识搜索和语义相似度计算，并根据求得的相似度判别是否为隐喻。系统还采用数据库的相关技术，以提高系统对隐喻处理的效率。最后，我们分别从Goatly创建的英语隐喻语料库Metalude和桂诗春创建的中国学习者英语语料库中选取大量隐喻和非隐喻的例子，对系统进行测试和评估，证实了该系统的合理性和可行性。

摘要：词汇是语言的基础组成部分,词汇教学也是语言教学中的重中之重。目前的词汇教学方式,要么过于强调单个词汇的含义却忽略了词汇间的情景关联导致教学效果欠佳,要么过于强调情景资料的选取和活动环节的设计从而降低了教师备课的效率。wordnet是由Princeton大学多门学科专家联合设计的基于认知语言学的英语知识图谱,它以类似思维导图的方式呈现词汇释义以及词汇间的关联关系。笔者尝试将wordnet作为补充材料应用于大学英语词汇教学中,实践结果表明该方法能够有效帮助学生提升词汇深度与广度。

摘要：以在线词典里的各种语义知识和语义关系为基础,设计并实现一个处理"A is B"型的英文隐喻自动处理系统。该系统采用JAVA语言来编写,包含语句预处理子系统,数据库管理子系统,词义检索子系统,词语相似度计算子系统。系统设计通过仿真实验来验证其可行性,证明了研究的实用价值。并提出了研究的不足及今后的研究方向。

摘要：本体匹配解决了本体异构问题,作为本体匹配的关键技术,相似度算法决定了匹配的精度和效率。wordnet中概念节点的语义距离常作为相似度算法的依据。设计了一种新的语义距离计算方法及相似度算法,并以此搭建一个本体匹配框架进行了验证。

摘要：本体之间的整合操作,是解决本体重用问题的有效途径.在创建本体的过程中,尽管在同一领域内,由于设计者有着不同的视角,使得本体间的交互与重用变得非常困难.本文首先对整合问题中涉及到的基本问题进行了介绍,随后给出本体整合实验的具体实现步骤.在本实验中引入了wordnet本体作为词典辅助,参考了本体映射工程中的如S-Match等所提出的混合映射方法,以期能更为全面的解决整合问题.

摘要：分析了获取概念及其关系是本体建立的瓶颈的原因,提出一种在协同设计环境下基于语义的本体建立方法。各Agent抽取的术语集合经过预处理,以wordnet提供的术语语义为基础,经过基于语义的聚类,生成概念集;再根据术语语义关系与概念关系之间的映射规则建立概念的关联,从而构造概念树并建立本体。这种半自动的本体建立方法避免了因对概念理解不统一而产生的不一致性,得到的本体易于扩展。