规则抽取

摘要： We study decoding methods to augment a hierarchical phrase-based Machine Translation (MT)system with a tree-to-string model in this paper.In this framework the hierarchical phrase-based model is regarded as the base model,and the tree-to-string model is employed to enlarge the derivation space.In particular,we present several decoding strategies,including tree-based exact decoding,tree-based fuzzy decoding and string-based decoding.We experiment with our approach in a state-of-the-art MT system on the NIST MT evaluation data.Experimental results show that it outperforms a strong baseline over 1.3 and 1.2 BLEU points on the newswire and web data respectively.Moreover,we show a systematic comparison of several factors that affect the translation quality.%文中研究了利用树到串模型对层次短语模型进行强化的统计机器翻译解码方法．其基本框架是把层次短语模型作为基础模型，而把树到串模型作为层次短语模型的补充，增加翻译推导空间大小．文中重点研究了在该框架下的统计机器翻译解码技术，并提出了多种解码策略，包括基于树的精确解码策略、基于树的模糊解码策略和基于串的解码策略．通过 NIST 汉英翻译任务上的实验结果显示，文中所研究的方法可以十分有效地提升基线层次短语系统的翻译性能，比如在 newswire 和 web 数据上分别提高了1．3和1．2个 BLEU 点．此外，文中分析了若干影响翻译性能的因素，并给出了对比实验结果．

摘要： 基于模糊隶属度函数和模糊蕴含算子,对于连续值信息系统和决策信息系统,提出抽取简单语言描述命题和复合语言规则的方法 抽取实验的结果表明,通过设置不同的阈值,该方法可获得不同支持度的直观结果,为获得信息系统的整体分布信息和可能蕴含的规则提供帮助.%Based on the tuzzy membership function and the fuzzy implication operator,we proposed a method of extracting simple lingual descriptive proposition and composite lingual rules on the continuous information system and decision information system.Extracting experiments indicate that this method can obtain different support intuitive results by setting different thresholds,which can help to get entire distributive information and implicative rules of the information system.

摘要： 模糊神经网络结合了模糊控制的经验和神经网络的学习能力，是一种基于经验和学习的新型神经网络控制系统。本文介绍了几种新型的基于模糊神经网络的系统辨识与控制的新方法，比较了各自的特点，并给出了基本的仿真结果。

摘要： 针对刑事判决书文本,结合刑事审判本体,构建基于本体的案例自动抽取与标注模型.基于法律案例文本的半结构化特征,依据文档组织结构和线索词,运用正则表达式构建抽取规则模板；同时结合自然语言处理技术进行相关语义信息的精准抽取.运用语义标注技术构建刑事审判本体实例库,实现大量案例文本向语义信息网络的转化,便于运用语义信息进行相似案例检索和审判推荐.实验证明,该模型的抽取结果基本达到预期效果.

摘要： Fuzzy classification method based on estimation of distribution algorithm is proposed.Fuzzy rule set is generated using Apriori principle,and fuzzy rule set is coded through Pittsburgh-style binary coding method,then fuzzy rule is extracted from fuzzy rule set automatically through bi-variable dependent MIMIC (mutual information maxinization for input clustering) estimation of distribution algorithm.Simulation experiment on Iris,Pima,Wine benchmark datasets show that the proposed approach has better accuracy and interpretability than fuzzy classification model based on genetic algorithm.%提出了基于分布估计算法的模糊分类建模方法,该方法基于Apriori原理生成初始模糊规则集,并且以匹茨堡型的二进制编码方式对模糊规则集编码,基于双变量相关的MIMIC (mutual information maximization for input clustering)分布估计算法从初始规则集中自动抽取模糊规则.通过在Iris,Pima,Wine这3个标准数据集的仿真实验表明,该方法比基于遗传算法的模糊分类器在准确率和解释性方面更有效.

摘要： 神经网络与知识管理系统的结合，通过神经网络规则抽取算法来解决专业领域的实际问题，实现了人工智能领域网络机制与符号机制的结合，保证了知识获取的时效性和质量性。

摘要： Considered the inconsistent target information systems which respectively induce dominance relation on con dition attribute set and equivalence relation on decision attribute set. Under this dominance-equivalence relation, the re lationships were analyzed among three different reductions, compatible reduction, maximum distribution reduction and positive domain reduction. The rule extraction method based on positive domain reduction(PDRIS) was improved by in troducing inferior relations together with dominance relations to extract rules with larger coverage. Finally, an example was given to illustrate our rule extraction method, and the experimental results on 13 UCI data were demonstrated to make comparisons between the proposed method and the PDRIS method.%考虑了条件属性引入优势关系而决策属性上引入等价关系的不协调目标信息系统.分析了这种基于优势-等价关系的相容约简、最大分布约简及正域约简三者之间的关系.此外,结合劣势关系抽取规则以提高规则的覆盖率,改进了基于优势关系的正域约简抽取规则( PDRIS)的方法.最后给出算例,并在UCI数据集上进行了大量的试验,以与PDRIS进行比较.

摘要： 本文针对传统个人信用评估体系中的不足,提出了一种基于神经网络规则抽取的个人信用评估模型.通过对已经训练好的人工神经网络隐层激活值进行聚类分析,减少搜索空间,进而抽取出理解性好、简洁的符号规则.从而产生一组可理解的描述,这组描述能最大限度的模拟已经训练好的原神经网络的推理预测行为.使得评价中的人为因素得到弱化,克服了神经网络在个人信用评估中的“黑箱”性缺陷,增强了模型的稳健性和可理解性.

摘要： In the expert system development process, knowledge acquisition is a process which is the most difficult to resolve, while it also determines the key factors inexpert system performance, it is also considered to be the core work of expert system development, the construction of expert systems in the ＂ bottleneck＂ problem. Knowledge of human experts are limited and scattered, and because of the environment caused by time - varying data timeliness, to the acquisition of the distribution network of data end - users within the region has brought great difficulties. En- ergy distribution network of the system to construct the context of expert system knowledge acquisition mechanism, the neural network theory, knowledge of the outside world into the source of the information system can identify and execute the form of inference can be used directly on the system. Step of the inference engine to produce good data to support. And for the knowledge base chages ,expanded and improved means of providing well maintained.%在专家系统开发过程中，知识获取是最难解决的一道工序，也是决定专家系统性能的关键因素，被认为是开发专家系统的核心工作，也是建造专家系统中的“瓶颈”问题。人类专家的知识有限而且分散，并且由于环境的时变性所造成的数据时效性，给采集的配网区域内各终端用户的数据带来了很大的困难。本系统以配网节能为背景构造专家系统的知识获取机制，利用神经网络理论，将外界的知识源中的信息转化为系统可以识别和执行的形式，能够直接被推理机所使用，对系统下步的推理机产生良好的数据支持。而且为知识库的修改、扩充和完善提供良好的维护手段。

摘要： 为了从人工神经网络中抽取规则,提出一种新的规则抽取算法.网络被训练并剪枝后,将隐节点的激活值离散化,对输入到隐节点的权重进行聚类,聚类过程中可根据隐节点的激活值动态调整权值聚类数目,进而高效准确地抽取规则.实验结果表明,该算法可明显降低规则抽取的时间复杂度,减少生成规则的数量.

摘要： 神经网络的分类预测过程是一个"黑箱",对于决策者来说是既不可见又不易于理解的.本文将采用一种规则抽取技术,将隐藏在神经网络中的隐性知识抽取出来以满足决策者的需要.首先利用BP算法训练神经网络;然后用罚函数方法对训练后的神经网络进行修剪,在保证分类精度的前提下,去掉不必要的连接以及节点;之后利用一种基于结构的规则抽取方法--RX算法从修剪后的神经网络中抽取出符号规则;最后,本文以银行贷款风险预警为例,进行规则抽取研究。

摘要： 本文提出一种基于粗集理论的高效决策规则抽取算法.首先为每类数据构造一个差异矩阵,由此得到只对该类数据分类起作用的较小规模属性约简;然后为每类数据构造一个差异矩阵和一个合并矩阵,通过两个矩阵的交互作用逐类抽取规则.实验结果表明,与传统方法相比,该算法能够在更短的时间内得到分类精度更高的规则。

摘要： 轴系故障一直是困扰电力生产的主要问题,基于专家系统的轴系故障诊断方法由于存在知识获取困难、诊断精度不高的问题而没能得到普遍的推广应用.本文提出了基于归纳学习的分类树构造方法,本方法可以同时处理符号型数据和数值型数据,并且很容易的将分类树转化为诊断规则.进一步分析了基于分类树归纳的诊断规则抽取方法对噪声的容忍能力,在不同噪声类型和噪声规模下,发现属性约简和剪枝技术都能有效的提高诊断规则的泛化性能.为实现故障诊断系统的自学习提供了可行的途径.

摘要： 本文主要讨论对于训练好的神经网络模型,用遗传算法从中提取符号化规则的一种方法.

摘要： 挖掘在线评论中产品特征及评价已经成为提高电子商务服务质量的重要手段.本文根据中文评论的特点,首先总结出特定的句法结构模板,然后结合此模板与制定的4条抽取规则,完成对评论中情感句的产品特征与对应观点评价的抽取和情感匹配工作.通过对互联网上一款MP3的评论进行实验,表明本文的方法对情感评价单元的识别效果有所改进.

摘要： 挖掘在线评论中产品特征及评价已经成为提高电子商务服务质量的重要手段.本文根据中文评论的特点,首先总结出特定的句法结构模板,然后结合此模板与制定的4条抽取规则,完成对评论中情感句的产品特征与对应观点评价的抽取和情感匹配工作.通过对互联网上一款MP3的评论进行实验,表明本文的方法对情感评价单元的识别效果有所改进.

摘要： 挖掘在线评论中产品特征及评价已经成为提高电子商务服务质量的重要手段.本文根据中文评论的特点,首先总结出特定的句法结构模板,然后结合此模板与制定的4条抽取规则,完成对评论中情感句的产品特征与对应观点评价的抽取和情感匹配工作.通过对互联网上一款MP3的评论进行实验,表明本文的方法对情感评价单元的识别效果有所改进.

摘要： 挖掘在线评论中产品特征及评价已经成为提高电子商务服务质量的重要手段.本文根据中文评论的特点,首先总结出特定的句法结构模板,然后结合此模板与制定的4条抽取规则,完成对评论中情感句的产品特征与对应观点评价的抽取和情感匹配工作.通过对互联网上一款MP3的评论进行实验,表明本文的方法对情感评价单元的识别效果有所改进.

摘要： 针对神经网络良好的学习能力,提出了一种基于神经网络的数据挖掘方法.该方法可以从数据库中挖掘出符号规则,以便于决策.将数据库中的数据预处理后,构造神经网络并训练,然后采用罚函数进行剪枝,利用RX算法从神经网络中提取出符号规则,最后采用Matlab进行实验.结果表明该方法是有效的,并可看作是将隐式知识(样本知识)转化为显式知识(符号知识)的一种手段.

摘要： 针对神经网络良好的学习能力,提出了一种基于神经网络的数据挖掘方法.该方法可以从数据库中挖掘出符号规则,以便于决策.将数据库中的数据预处理后,构造神经网络并训练,然后采用罚函数进行剪枝,利用RX算法从神经网络中提取出符号规则,最后采用Matlab进行实验.结果表明该方法是有效的,并可看作是将隐式知识(样本知识)转化为显式知识(符号知识)的一种手段.

摘要： 本发明涉及一种规则驱动下基于特征的文本关系抽取方法。采用自然语言处理工具CoreNLP将一待处理领域文本分句，得到该待处理领域下的简单句集合；将实体候选集和该待处理领域下的简单句集合作为关系抽取的输入，使用规则驱动下基于特征的关系抽取算法对输入进行关系抽取，最终得到该待处理领域下的实体关系三元组。本发明方法结合规则与机器学习的方法面向特定领域的文本进行实体关系的抽取，可以提高当前特定领域下文本的信息抽取准确度，并在实际应用场景中验证了该方法的可行性和有效性。

摘要： 本发明公开了基于扩展关联规则的中医医案非分类关系抽取方法，包括：步骤(1)：构建中医医案数据库；步骤(2)：基于扩展的关联规则从中医医案数据库中抽取三元组模板；步骤(3)：采用Bootstrapping算法从三元组模板中提取三元组概念对；步骤(4)：对提取的三元组概念对，利用word2vec模型将每一个词映射成词向量；步骤(5)：对于每个查询概念词，生成对应的查询概念词的向量；计算查询概念词的向量与步骤(4)的所有词向量之间的余弦相似度；步骤(6)：对余弦相似度进行由高到低进行排序，得到本体非分类关系概念对。该方法克服了普通关联规则法无法得出具体非分类关系名称的缺点。

摘要： 本申请涉及一种基于json规则文件的知识抽取方法、系统及规则解析引擎，该方法包括以下步骤：json规则文件编写步骤，根据实体规则和关系规则编写json规则文件；命名实体抽取步骤，根据json规则文件遍历原始文本和原始文本处理后的文本，输出命名实体列表；关系抽取步骤，接受命名实体列表，根据json规则文件遍历命名实体列表和原始文本，输出实体关系；知识整合步骤，根据命名实体列表和实体关系，得到包括命名实体、实体关系的结构性数据。通过规则解析引擎对以json格式的规则文件进行解析，解决了当前无法快速准确的进行知识抽取的问题，实现了非结构化文本数据中的命名实体、实体关系以及实体属性的快速抽取。

摘要： 本发明公开了一种基于TFIDF与规则引擎的无监督摘要抽取方法，分别通过数据预处理、文本分割模块、相似得分计算和摘要连贯性模块这四个模块，首先通过数据预处理模块对原始的新闻资讯文本进行处理，去除标题与正文中的html符号、无用字符、不可见字符等垃圾文本，本发明涉及金融证券信息技术领域。该基于TFIDF与规则引擎的无监督摘要抽取方法，可实现在摘要抽取的过程中完全不需要人工提取复杂特征与人工标注数据，同时考虑新闻资讯标题在摘要抽取中的作用，完全满足工程应用，本发明以金融证券行业新闻资讯数据为例，输入标题与正文，输出摘要，很好的解决了金融证券领域摘要抽取不足的为问题，并且满足系统对模型性能的要求。

摘要： 本发明公开了一种基于启发式规则和自举迭代训练的术语抽取方法与系统，首先基于启发式规则从英文科技文献中抽取候选术语，并过滤后得到种子术语；然后将抽取到的种子术语构成初始术语集；再使用术语集对语料库进行标注，并训练深度学习模型，使用训练好的模型从语料库中抽取候选术语，并进行过滤；将过滤后的抽取结果添加到术语集中，形成新的术语集；再迭代使用新的术语集进行模型训练和抽取，直到无法再从语料库中识别出新的术语。本发明能适用于从英文科技文献中自动提取科技术语，通过制定启发式规则、自举迭代的训练步骤、以及自动过滤的规则，显著提升了术语抽取的性能和效率，极大的节省了人力。

摘要： 本发明提供一种基于规则和神经网络模型融合的标准指标抽取方法，其包括以下步骤：S1、选取定量的标准文本并进行数据处理；S2、建立数据抽取规则；S3、对标准文本进行标准指标抽取；S4、进行深度学习神经网络模型训练；S5、利用步骤S4中训练好的模型进行标准指标抽取，指导步骤S2的数据抽取规则的迭代；S6、重复上述步骤S2‑S5，迭代抽取规则和模型；S7、利用数据抽取规则和深度学习神经网络模型联合进行标准指标抽取。该方法能够对标准文本抽取参数名称、参数值和约束条件三个指标，旨在将与航空领域标准相关的非结构化文本数据转化成结构化的知识信息，并确保抽取的准确性，以实现航空领域的标准指标知识的梳理和有效利用。

摘要： 本发明提供一种融合BiLSTM+CRF与规则匹配的中文PDF内容抽取方法和装置，所述方法包括以下步骤：S1，采用Python解析包解析PDF文件，并对解析后的文件中的有效数据进行拼音纠错，得到第一数据，以及对解析后的文件中的无效数据进行OCR识别，得到第二数据；S2，通过BiLSTM+CRF模型识别所述第一数据和所述第二数据中的第一信息；S3，设置正则规则，并通过所述正则规则提取所述第一数据和所述第二数据中的第二信息。本发明能够提高PDF内容抽取的效率和准确度。

摘要： 本发明公开了一种规则抽取方法和规则抽取设备。该规则抽取方法包括：获得数据集，所述数据集中包括多组数据，每组数据包括一个或更多个因素值以及对应的一个或更多个目标值；获取分类器模型；以及将数据集中的预定数目的训练用数据集输入到分类器模型中，以得到规则；其中，所述数据集中的数据与时间相关联；并且获得数据集包括将与时间相关联的数据集转换为与时间无关联的数据集。

摘要： 本发明公开了一种稽查业务基础规则抽取方法及装置，构建一套电力稽查领域专业基础词典以及词向量生成模型，充分考虑了稽查领域的业务规则特点，以及字词间的重要性差异，通过将实体间关系转化为一种实体类别，不局限于已知的稽查业务关系，将关系作为一种实体从文本中直接提取出来。有效解决了稽查领域的业务规则抽取问题，而且充分考虑到文本语义信息以及字词间的重要性差异，通过一种将关系进行实体标签化、基于模式匹配的电力稽查业务规则三元组顺序抽取模型有效避免了传统关系抽取方法中分类模型必须将关系种类提前拟定的限制，提高了实体关系抽取的准确率。

摘要： 本发明公开了一种基于深度学习与启发式规则的人物属性抽取方法，它包括以下步骤：步骤1：根据涉诈主体关键词切分输入文本，不同于根据标点符号切割文本，此处利用涉诈主体词来切割文本，可以初步限定要素的所属主体，提升后续人物属性组装的准确率；步骤2：利用预先训练的深度学习模型与启发式规则抽取文本中所含的人物要素信息。有益效果在于：本发明通过深度学习与启发式规则来构建人物属性抽取框架，使得本发明在应用后能够快速抽取出文本中所包含的要素信息，同时以人为主体对要素信息进行组装，不仅可以为人物关联关系推理与案件串并提供一定的借鉴，而且还能作为公安知识图谱构建的部分数据来源，推动自然语言处理在公安行业的应用。