語義理解演算法

Ⅰ 循環語句的語法分析及語義分析程序設計

目 錄
1 課程任務書····································（2）
1問題描述·······································（3）
2文法及屬性文法的描述···························（3）
2.1 while-do循環語句的文法·····················（3）
2.2while-do循環語句的結構翻譯·················（3）
3語法分析及中間代碼形式的描述···················（4）
3.1 語法分析方法·······························（4）
3.2 中間代碼形式描述···························（4）
4簡要的分析與概要設計···························（5）
4.1詞法分析··································（5）
4.2遞歸下降翻譯器的設計·······················（5）
4.3語法制導翻譯·······························（5）
5 詳細的演算法描述································（6）
5.1 文法·······································（6）
5.2 查錯·······································（6）
6 測試方法和測試結果···························（9）
6.1測試方法··································（9）
6.2測試結果··································（10）
7 設計的特點、不足、收獲與體會·················（10）
7.1 設計的特點································（10）
7.2 不足、收獲與體會··························（11）
8 參考文獻·····································（11）

課程設計任務書
題 目: 循環語句的語法分析及語義分析程序設計（遞歸下降法）
1．目的
通過設計、編制、調試一個語法及語義分析程序，加深對語法及語義分析原理的理解。

2.設計內容及要求
WHILE〈布爾表達式〉DO〈賦值語句〉
其中
（1）學號29至32的同學按順序分別選擇遞歸下降法、LL（1）、算符優先分析法（或簡單優先法）、LR法完成以上任務，中間代碼選用四元式。
（2）如1題寫出符合分析方法要求的文法，給出分析方法的思想，完成分析程序設計。
（3）編制好分析程序後，設計若干用例，上機測試並通過所設計的分析程序。

3.課程設計報告書的內容應包括：
1.設計題目、班級、學號、姓名、完成日期；
2.給出語法分析方法及中間代碼形式的描述、文法和屬性文法的設計；或者詞法分析方法
3.及符號表和TOKEN代碼的設計。
4.簡要的分析與概要設計；
5.詳細的演算法描述；
6.源程序清單；
7.給出軟體的測試方法和測試結果；
8.設計的評價、收獲與體會。

4.時間安排：
第17周，周1-周4上午，周五全天

指導教師簽名： 年 月 日
系主任（或責任教師）簽名： 年 月 日

1問題描述
設計一個WHILE〈布爾表達式〉DO〈賦值語句〉循環語句的詞法﹑語法及語義分析程序，語法分析選擇遞歸下降法，採用用語法制導翻譯輸出中間代碼四元式。
2文法及屬性文法的描述。
2.1 while-do循環語句的文法
產生式為S-> while E do A，為便於語法制導翻譯將其改寫如下：
文法G(s)如下：
S-->WEDG （意思是while E do G）
G-->c=R
R-->dTe|d
T-->+|-|*|/
E-->aFb
F--> >|==|<

2.2 whlie-do循環語句的結構翻譯：

3.語法分析方法及中間代碼形式的描述
3.1語法分析方法
遞歸下降法的實現思想是為文法的每個非終結符號設計一個相對應的遞歸子程序，識別程序由一組這樣的子程序組成。
它的優點是簡單直觀，易於構造，很多編譯系統所實現
缺點是對文法要求很高，由於遞歸調用多，影響分析器的效率
其文法可以表示為：
E→T│E+T
T→F│T*F
F→i│（E）
可以用語法圖來表示語言的文法，如圖：

E

T

F

3.2中間代碼形式描述
中間代碼採用四元式輸出，一個四元式是一個帶有四個域的記錄結構，這四個域分別稱為op﹑arg1﹑arg2及result。域op包含一個代表運算符的內部碼。語句while a<b do a=a+b的四元式輸出形式如下：
100 ( <, a , b , 102 )
101 ( j , _ , _ , 105 )
102 ( + , a , b , n )
103 ( = , n , _ , a )
104 ( j , _ , _ , 100)
105
4．簡要的分析與概要設計
4.1詞法分析
詞法分析程序的任務是：從左至右逐個字元地對源程序進行掃描，產生一個個的單詞符號，把作為字元串的源程序改造成為單詞符號的中間程序。詞法分析檢查的錯誤主要是挑出源程序中出現的非法符號。所謂非法符號是指不是程序設計語言中允許出現的符號，就像自然語句中的錯字。
4.2遞歸下降翻譯器的設計
1.：對每個非終結符A構造一個函數過程，對A的每個繼承屬性設置一個形式參數，函數的返回值為A的綜合屬性，A對應的函數過程中，為出現在A的產生式中的每一個文法符號的每一個屬性都設置一個局部變數。非終結符A對應的函數過程中，根據當前的輸入符號決定使用哪個產生式候選。
2：每個產生式對應的程序代碼中，按照從左到右的次序，對於單詞符號，非3：終結符和語義動作分別做以下工作。
（1）對於帶有綜合屬性x的終結符X，把x的值存入為X，x設置的變數中。然後產生一個匹配X的調用，並繼續讀入一個輸入符號。
（2）對於每個非終結符號B，產生一個右邊帶有函數調用的賦值語句c=B(b1,b2,…，bk)
（3）對於語義動作，把動作的代碼抄進分析器中，用代表屬性的變數來代替對應屬性的每一次引用。
4.3語法制導翻譯
在語法分析過程中，隨著分析的步步進展，根據每個產生式所對應的語義子程序（或語義規則描述的語義動作）進行翻譯。屬性文法的每個符號有屬性，所以每個符號入棧時，必須連屬性一起入棧，這樣，棧符號就由文法符號及存放該符號屬性的域所組成。由於屬性類型不同，屬性域存放的內容就要根據屬性的類型來定。有的可能直接存放屬性值，也有的存放的是指向屬性值的指針。對於綜合屬性，其屬性域不存放其屬性值，而是存放一個指針，指向存貯該屬性值的單元。對於繼承屬性，其屬性域直接保存其屬性值。繼承屬性的屬性域剛入棧時為空，但是在該棧符號變成棧頂符號之前的某一時刻，它們必須接受相應的屬性值，即在成為棧頂時，繼承屬性的屬性域必須有值。
5詳細的演算法描述
5.1 文法
/*
文法G(s)
s-->WEDG
G-->c=R
R-->dTe|d
T -> +|-|*|/|%E-->aFb
F--> >|==|<
*/
5.2 查錯
按照遞歸下降法求Wa<bDa=a+b，程序的執行順序應該是S()W()EF()D()G()R()T()
S()
void S()
{
printf("%d\tS-->WEDG\n",total);total++;
W();
E();
}

W()
void W()
{
if(ch!='W')
{
printf("有非法字元%c請按回車返回!!",ch);
getchar();
getchar();
exit(1);
}
}

E()
void E()
{
ch=a[++i1];
if(ch!='a')
{
printf("有非法字元%c %c請按回車返回!!",ch);
getchar();
getchar();
exit(1);
}
printf("%d\tE-->aFb\n",total);total++;
F();
}

F()
void F()
{
int i;
ch=a[++i1];
i=i1+1;
if(a[i]!='b')
{
printf("有非法字元%c請按回車返回!!",a[i]);
getchar();
getchar();
exit(1);
}
switch(ch)
{
case '>':
printf("%d\tF-->>\n",total);total++;
break;
case '==':
printf("%d\tF-->==\n",total);total++;
break;
default:
printf("%d\tF--><\n",total);total++;
break;
}
D();
G();
}

D()
void D()
{
++i1;
ch=a[++i1];
if(ch!='D')
{
printf("有非法字元%c請按回車返回!!",ch);
getchar();
getchar();
exit(1);}
ch=a[++i1];
}

G()
void G()
{
int i=i1+1;
if(ch!='c'&&a[i]!='=')
{
printf("有非法字元%c %c請按回車返回!!",ch,a[i]);
getchar();
getchar();
exit(1);
}
printf("%d\tG-->c=R\n",total);total++;
R();
}

R()
void R()
{
int i;
i=i1+1;
i1=i1+2;
ch=a[i1];
if(a[i]!='='&&ch!='d')
{
printf("有非法字元%c %c請按回車返回!!",a[i],ch);
getchar();
getchar();
exit(1);
}
else
{
if((a[i1+1]=='+')||(a[i1+1]=='-')||(a[i1+1]=='*')||(a[i1+1]=='/'))
{
printf("%d\tR-->dTe\n",total);total++;
T();
}
else
{
printf("%d\tR-->d\n",total);total++;
W();
E();
}
}
}

T()
void T()
{
ch=a[++i1];
switch(ch)
{
case '+':
printf("%d\tT-->+\n",total);total++;
break;
case '-':
printf("%d\tT-->-\n",total);total++;
break;
case '*':
printf("%d\tT-->*\n",total);total++;
break;
default:
printf("%d\tT-->/\n",total);total++;
break;
}
ch='#';
}

6測試方法和測試結果
6.1測試方法
在C++環境下，設計幾個有代表的用例，進行測試，例如：輸入語句Wa<bDa=a+b#(其中d表示do ,w表示while)。若得出的不是預期的結果，那麼程序就出現問題。如果有問題的話就進行單步調試找到程序中出現的邏輯問題。

6.2測試結果
測試結果如下：

7設計的特點、不足、收獲與體會
7.1設計的特點
本次設計是採用遞歸下降的方法對輸入的while--do 循環語句進行語法，語義分析，並輸出四元式。因此程序中充分體現了遞歸下降的思想。

7.2設計的不足，收獲與體會
本次的設計的不足主要是我沒將程序一般化，實現不了用戶自動輸入代碼進行詞法分析的四元式輸出，此程序只能實現對Wa<bDa=a+b#的分析與四元式輸出，由於我所設計的棧中只能一個字元一個字元的存放，因此只能用D W分別表示do while；而且我對語法制導翻譯這一塊很不熟悉，因此我始終不能用程序實現語法制導翻譯輸出四元式，於是根據自己的理解，直接把四元式寫了出來。
本次課程設計鞏固了我所學習的關於遞歸下降法這一方面的知識，並且使我對WHILE—DO循環語句也有了更深刻的理解,提高了我的動手能力。

8 課程設計參考資料
1張幸兒 《編譯原理》（第二版）清華大學出版社
2何炎祥 《編譯原理》華中理工大學出版社
3陳火旺 《程序設計語言編譯原理》（第3版）國防工業出版社

本科生課程設計成績評定表
班級：軟體0701姓名：周璐萍學號：0120710680129
序號 評分項目 滿分 實得分
1 學習態度認真、遵守紀律 10
2 設計分析合理性 10
3 設計方案正確性、可行性、創造性 20
4 設計結果正確性 40
5 設計報告的規范性 10
6 設計驗收 10
總得分/等級
評語：

註：最終成績以五級分制記。優（90-100分）、良（80-89分）、中（70-79分）、
及格（60-69分）、60分以下為不及格
源程序
#include <stdio.h>
#include<dos.h>
#include<stdlib.h>
#include<string.h>

char a[50],g[50][50];
char ch;
int n1,i1=0,i2=0;
int total=0;

void S();
void D();
void G();
void W();
void E();
void R();
void T();
void F();

void main()
{
int j=0;

printf("文法G(s)為:\n");
printf("s-->DGWE\n");
printf("G-->c=R\n");
printf("R-->dTe|d\n");
printf("T-->+|-|*|/\n");
printf("E-->aFb\n");
printf("F--> >|==|<\n");

printf("請輸入while-do語句(D代表do,W代表while),並以#結束:\n");
do{
scanf("%c",&ch);
a[j]=ch;
j++;
}while(ch!='#');
n1=j;
ch=a[0];

S();
printf("\n");

if (ch=='#')
{ printf("輸出四元式為：\n");
printf("100 (<,a,b,102)\n");
printf("101 (j,_,_,105)\n");
printf("102 (+,a,b,n)\n");
printf("103 (=,n,_,a)\n");
printf("104 (j,_,_,100)\n");
printf("105 \n");

}

else {

printf("error\n");

printf("press any key to continue..\n");

getchar();getchar();

return;

}

printf("\n");

printf("press any key to continue..\n");

getchar();
getchar();
}

/*出錯情況分析*/

void S()
{
printf("%d\tS-->WEDG\n",total);total++;
W();
E();
}

void W()
{

if(ch!='W')
{
printf("有非法字元%c請按回車返回!!",ch);
getchar();
getchar();
exit(1);
}
}

void E()
{
ch=a[++i1];
if(ch!='a')
{
printf("有非法字元%c %c請按回車返回!!",ch);
getchar();
getchar();
exit(1);
}
printf("%d\tE-->aFb\n",total);total++;
F();
}

void F()
{
int i;
ch=a[++i1];
i=i1+1;
if(a[i]!='b')
{
printf("有非法字元%c請按回車返回!!",a[i]);
getchar();
getchar();
exit(1);
}
switch(ch)
{
case '>':
printf("%d\tF-->>\n",total);total++;

break;
case '==':
printf("%d\tF-->==\n",total);total++;

break;
default:
printf("%d\tF--><\n",total);total++;

break;

}
D();
G();
}

void D()
{ ++i1;
ch=a[++i1];
if(ch!='D')
{ printf("有非法字元%c請按回車返回!!",ch);
getchar();
getchar();
exit(1);}
ch=a[++i1];

}

void G()
{ int i=i1+1;

if(ch!='c'&&a[i]!='=')
{ printf("有非法字元%c %c請按回車返回!!",ch,a[i]);
getchar();
getchar();
exit(1);}
printf("%d\tG-->c=R\n",total);total++;
R();
}

void R()
{
int i;
i=i1+1;
i1=i1+2;
ch=a[i1];
if(a[i]!='='&&ch!='d')
{
printf("有非法字元%c %c請按回車返回!!",a[i],ch);
getchar();
getchar();
exit(1);
}
else
{
if((a[i1+1]=='+')||(a[i1+1]=='-')||(a[i1+1]=='*')||(a[i1+1]=='/'))
{
printf("%d\tR-->dTe\n",total);total++;

T();

}
else
{
printf("%d\tR-->d\n",total);total++;

W();
E();
}
}

}

void T()
{
ch=a[++i1];
switch(ch)
{
case '+':
printf("%d\tT-->+\n",total);total++;

break;
case '-':
printf("%d\tT-->-\n",total);total++;

break;
case '*':
printf("%d\tT-->*\n",total);total++;

break;

default:
printf("%d\tT-->/\n",total);total++;

break;
}
ch='#';

}

指導教師簽名：
2010 年月日

Ⅱ 在C#中使用語義分析解析文字進行搜索，該怎麼做，有什麼什麼好的演算法推薦一下

這種搜索一般都是資料庫中控制的.
已sqlserver為例:
搜索帶有"你好"的所有文章. 條件就是 select * from 文章表 where 文章名稱 like '%你好%'

Ⅲ 論文查重用了什麼演算法

知網查重的演算法是

使用計算機開展知網查重識別的研究首先要對數字文檔進行分析處理,而數字文檔又可分為兩種類別,即:自然語言文本和形式語言文本。形式語言文本比較典型的是計算機程序源代碼,雖然抄襲的案例較多,但因其具有規范的語法和語句結構特點,相對比較容易分析處理,針對此類抄襲識別的研究也較早。而自然語言文本(如:論文等)復制檢測原理的出現比程序復制檢測晚了20年。
②1993年,美國亞利桑那大學的Manber提出了「近似指紋」概念,基於此提出了sif工具,用基於字元串匹配的方法來度量文件之間的相似性。美國斯坦福大學的Brin等人首次提出了COPS系統與相應演算法,其後提出的SCAM原型對此進行了改進了。SCAM借鑒了信息檢索技術中的向量空間模型,使用基於詞頻統計的方法來度量文本相似性。香港理工大學的Si和Leong等人採用統計關鍵詞的方法來度量文本相似性,建立了CHECK原型,並首次在相似性度量中引入文檔的結構信息。到了2000年,Monostori等人用後綴樹來搜尋字元串之間的最大子串,建立了MDR原型。在此之前,全美國的教育工作者們現已懂得綜合運用課堂書寫段落樣本、互聯網搜索工具和反剽竊技術三結合手段遏制欺騙的源頭。
③ 對於中文論文的抄襲識別,存在更大的困難。漢語與英文不同,它以字為基本的書寫單位,詞與詞之間沒有明顯的區分標記,因此,中文分詞是漢語文檔處理的基礎。漢語文本抄襲識別系統首先需要分詞作為其最基本的模塊,因此,中文文本自動分詞的好壞在一定程度上影響抄襲識別的准確性。同時計算機在自然語言理解方面有欠缺,而抄襲又不僅僅局限於照抄照搬式的,很難達到准確的抄襲識別。所以解決中文論文抄襲識別問題還不能全盤照搬國外技術。北京郵電大學張煥炯等用編碼理論中漢明距離的計算公式計算文本相似度。中科院計算所以屬性論為理論依據,計算向量之間的匹配距離,從而得到文本相似度。程玉柱等以漢字數學表達式理論為基礎,將文本相似度計算轉換為空間坐標系中向量夾角餘弦的計算問題。西安交通大學的宋擒豹等人開發了CDSDG系統,採用基於詞頻統計的重疊度度量演算法在不同粒度計算總體語義重疊度和結構重疊度。此演算法不但能檢測數字正文整體非法復制行為,而且還能檢測諸如子集復制和移位局部復制等部分非法復制行為。晉耀紅基於語境框架的相似度計算演算法,考慮了對象之間的語義關系,從語義的角度給出文本之間的相似關系。大連理工大學的金博、史彥軍、滕弘飛針對學術論文的特有結構,對學術論文進行篇章結構分析,再通過數字指紋和詞頻統計等方法計算出學術論文之間的相似度。張明輝針對重復網頁問題提出了基於段落的分段簽名近似鏡像新演算法。鮑軍鵬等基於網格的文本復制檢測系統提出了語義序列核方法的復制檢測原理。金博、史彥軍、滕弘飛少給出了一個基於語義理解的復制檢測系統架構,其核心是以知網詞語相似度計算為基礎,並將應用范圍擴大到段落。聶規劃等基於本體的論文復制檢測系統利用語義網本體技術構建論文本體和計算論文相似度。
請繼續關註上學吧論文查重（http://www.shangxueba.cn），更多有關論文檢測信息盡在其中。

Ⅳ nlp演算法是什麼呢

1、nlp演算法是自然語言處理演算法。自然語言處理( Natural Language Processing, NLP)是計算機科學領域與人工智慧領域中的一個重要方向。它研究能實現人與計算機之間用自然語言進行有效通信的各種理論和方法。

2、自然語言處理（nlp）是一門融語言學、計算機科學、數學於一體的科學。因此，這一領域的研究將涉及自然語言，即人們日常使用的語言，所以它與語言學的研究有著密切的聯系，但又有重要的區別。

3、自然語言處理（nlp）並不是一般地研究自然語言，而在於研製能有效地實現自然語言通信的計算機系統，特別是其中的軟體系統。因而它是計算機科學的一部分。

4、自然語言處理（nlp）主要應用於機器翻譯、輿情監測、自動摘要、觀點提取、文本分類、問題回答、文本語義對比、語音識別、中文OCR等方面。

5、自然語言（nlp）的形式（字元串）與其意義之間是一種多對多的關系。其實這也正是自然語言的魅力所在。但從計算機處理的角度看，我們必須消除歧義，而且有人認為它正是自然語言理解中的中心問題，即要把帶有潛在歧義的自然語言輸入轉換成某種無歧義的計算機內部表示。

Ⅳ 人工智慧專業主要的課程是什麼呀

人工智慧技術關繫到人工智慧產品是否可以順利應用到我們的生活場景中。在人工智慧領域，它普遍包含了機器學習、知識圖譜、自然語言處理、人機交互、計算機視覺、生物特徵識別、AR/VR七個關鍵技術。

一、機器學習
機器學習(MachineLearning)是一門涉及統計學、系統辨識、逼近理論、神經網路、優化理論、計算機科學、腦科學等諸多領域的交叉學科，研究計算機怎樣模擬或實現人類的學習行為，以獲取新的知識或技能，重新組織已有的知識結構使之不斷改善自身的性能，是人工智慧技術的核心。基於數據的機器學習是現代智能技術中的重要方法之一，研究從觀測數據(樣本)出發尋找規律，利用這些規律對未來數據或無法觀測的數據進行預測。根據學習模式、學習方法以及演算法的不同，機器學習存在不同的分類方法。
根據學習模式將機器學習分類為監督學習、無監督學習和強化學習等。
根據學習方法可以將機器學習分為傳統機器學習和深度學習。

二、知識圖譜
知識圖譜本質上是結構化的語義知識庫，是一種由節點和邊組成的圖數據結構，以符號形式描述物理世界中的概念及其相互關系，其基本組成單位是「實體—關系—實體」三元組，以及實體及其相關「屬性—值」對。不同實體之間通過關系相互聯結，構成網狀的知識結構。在知識圖譜中，每個節點表示現實世界的「實體」，每條邊為實體與實體之間的「關系」。通俗地講，知識圖譜就是把所有不同種類的信息連接在一起而得到的一個關系網路，提供了從「關系」的角度去分析問題的能力。
知識圖譜可用於反欺詐、不一致性驗證、組團欺詐等公共安全保障領域，需要用到異常分析、靜態分析、動態分析等數據挖掘方法。特別地，知識圖譜在搜索引擎、可視化展示和精準營銷方面有很大的優勢，已成為業界的熱門工具。但是，知識圖譜的發展還有很大的挑戰，如數據的雜訊問題，即數據本身有錯誤或者數據存在冗餘。隨著知識圖譜應用的不斷深入，還有一系列關鍵技術需要突破。

三、自然語言處理
自然語言處理是計算機科學領域與人工智慧領域中的一個重要方向，研究能實現人與計算機之間用自然語言進行有效通信的各種理論和方法，涉及的領域較多，主要包括機器翻譯、機器閱讀理解和問答系統等。
機器翻譯
機器翻譯技術是指利用計算機技術實現從一種自然語言到另外一種自然語言的翻譯過程。基於統計的機器翻譯方法突破了之前基於規則和實例翻譯方法的局限性，翻譯性能取得巨大提升。基於深度神經網路的機器翻譯在日常口語等一些場景的成功應用已經顯現出了巨大的潛力。隨著上下文的語境表徵和知識邏輯推理能力的發展，自然語言知識圖譜不斷擴充，機器翻譯將會在多輪對話翻譯及篇章翻譯等領域取得更大進展。
語義理解
語義理解技術是指利用計算機技術實現對文本篇章的理解，並且回答與篇章相關問題的過程。語義理解更注重於對上下文的理解以及對答案精準程度的把控。隨著MCTest數據集的發布，語義理解受到更多關注，取得了快速發展，相關數據集和對應的神經網路模型層出不窮。語義理解技術將在智能客服、產品自動問答等相關領域發揮重要作用，進一步提高問答與對話系統的精度。
問答系統
問答系統分為開放領域的對話系統和特定領域的問答系統。問答系統技術是指讓計算機像人類一樣用自然語言與人交流的技術。人們可以向問答系統提交用自然語言表達的問題，系統會返回關聯性較高的答案。盡管問答系統目前已經有了不少應用產品出現，但大多是在實際信息服務系統和智能手機助手等領域中的應用，在問答系統魯棒性方面仍然存在著問題和挑戰。
自然語言處理面臨四大挑戰：
一是在詞法、句法、語義、語用和語音等不同層面存在不確定性;
二是新的詞彙、術語、語義和語法導致未知語言現象的不可預測性;
三是數據資源的不充分使其難以覆蓋復雜的語言現象;
四是語義知識的模糊性和錯綜復雜的關聯性難以用簡單的數學模型描述，語義計算需要參數龐大的非線性計算

四、人機交互
人機交互主要研究人和計算機之間的信息交換，主要包括人到計算機和計算機到人的兩部分信息交換，是人工智慧領域的重要的外圍技術。人機交互是與認知心理學、人機工程學、多媒體技術、虛擬現實技術等密切相關的綜合學科。傳統的人與計算機之間的信息交換主要依靠交互設備進行，主要包括鍵盤、滑鼠、操縱桿、數據服裝、眼動跟蹤器、位置跟蹤器、數據手套、壓力筆等輸入設備，以及列印機、繪圖儀、顯示器、頭盔式顯示器、音箱等輸出設備。人機交互技術除了傳統的基本交互和圖形交互外，還包括語音交互、情感交互、體感交互及腦機交互等技術。

五、計算機視覺
計算機視覺是使用計算機模仿人類視覺系統的科學，讓計算機擁有類似人類提取、處理、理解和分析圖像以及圖像序列的能力。自動駕駛、機器人、智能醫療等領域均需要通過計算機視覺技術從視覺信號中提取並處理信息。近來隨著深度學習的發展，預處理、特徵提取與演算法處理漸漸融合，形成端到端的人工智慧演算法技術。根據解決的問題，計算機視覺可分為計算成像學、圖像理解、三維視覺、動態視覺和視頻編解碼五大類。
目前，計算機視覺技術發展迅速，已具備初步的產業規模。未來計算機視覺技術的發展主要面臨以下挑戰：
一是如何在不同的應用領域和其他技術更好的結合，計算機視覺在解決某些問題時可以廣泛利用大數據，已經逐漸成熟並且可以超過人類，而在某些問題上卻無法達到很高的精度;
二是如何降低計算機視覺演算法的開發時間和人力成本，目前計算機視覺演算法需要大量的數據與人工標注，需要較長的研發周期以達到應用領域所要求的精度與耗時;
三是如何加快新型演算法的設計開發，隨著新的成像硬體與人工智慧晶元的出現，針對不同晶元與數據採集設備的計算機視覺演算法的設計與開發也是挑戰之一。

六、生物特徵識別
生物特徵識別技術是指通過個體生理特徵或行為特徵對個體身份進行識別認證的技術。從應用流程看，生物特徵識別通常分為注冊和識別兩個階段。注冊階段通過感測器對人體的生物表徵信息進行採集，如利用圖像感測器對指紋和人臉等光學信息、麥克風對說話聲等聲學信息進行採集，利用數據預處理以及特徵提取技術對採集的數據進行處理，得到相應的特徵進行存儲。
識別過程採用與注冊過程一致的信息採集方式對待識別人進行信息採集、數據預處理和特徵提取，然後將提取的特徵與存儲的特徵進行比對分析，完成識別。從應用任務看，生物特徵識別一般分為辨認與確認兩種任務，辨認是指從存儲庫中確定待識別人身份的過程，是一對多的問題;確認是指將待識別人信息與存儲庫中特定單人信息進行比對，確定身份的過程，是一對一的問題。
生物特徵識別技術涉及的內容十分廣泛，包括指紋、掌紋、人臉、虹膜、指靜脈、聲紋、步態等多種生物特徵，其識別過程涉及到圖像處理、計算機視覺、語音識別、機器學習等多項技術。目前生物特徵識別作為重要的智能化身份認證技術，在金融、公共安全、教育、交通等領域得到廣泛的應用。

七、VR/AR
虛擬現實(VR)/增強現實(AR)是以計算機為核心的新型視聽技術。結合相關科學技術，在一定范圍內生成與真實環境在視覺、聽覺、觸感等方面高度近似的數字化環境。用戶藉助必要的裝備與數字化環境中的對象進行交互，相互影響，獲得近似真實環境的感受和體驗，通過顯示設備、跟蹤定位設備、觸力覺交互設備、數據獲取設備、專用晶元等實現。
虛擬現實/增強現實從技術特徵角度，按照不同處理階段，可以分為獲取與建模技術、分析與利用技術、交換與分發技術、展示與交互技術以及技術標准與評價體系五個方面。獲取與建模技術研究如何把物理世界或者人類的創意進行數字化和模型化，難點是三維物理世界的數字化和模型化技術;分析與利用技術重點研究對數字內容進行分析、理解、搜索和知識化方法，其難點是在於內容的語義表示和分析;交換與分發技術主要強調各種網路環境下大規模的數字化內容流通、轉換、集成和面向不同終端用戶的個性化服務等，其核心是開放的內容交換和版權管理技術;展示與交換技術重點研究符合人類習慣數字內容的各種顯示技術及交互方法，以期提高人對復雜信息的認知能力，其難點在於建立自然和諧的人機交互環境;標准與評價體系重點研究虛擬現實/增強現實基礎資源、內容編目、信源編碼等的規范標准以及相應的評估技術。
目前虛擬現實/增強現實面臨的挑戰主要體現在智能獲取、普適設備、自由交互和感知融合四個方面。在硬體平台與裝置、核心晶元與器件、軟體平台與工具、相關標准與規范等方面存在一系列科學技術問題。總體來說虛擬現實/增強現實呈現虛擬現實系統智能化、虛實環境對象無縫融合、自然交互全方位與舒適化的發展趨勢

Ⅵ nlp演算法是什麼

nlp演算法是自然語言處理。

自然語言處理( Natural Language Processing, NLP)是計算機科學領域與人工智慧領域中的一個重要方向。它研究能實現人與計算機之間用自然語言進行有效通信的各種理論和方法。自然語言處理是一門融語言學、計算機科學、數學於一體的科學。

相關信息：

自然語言處理是指利用人類交流所使用的自然語言與機器進行交互通訊的技術。通過人為的對自然語言的處理，使得計算機對其能夠可讀並理解。自然語言處理的相關研究始於人類對機器翻譯的探索。

雖然自然語言處理涉及語音、語法、語義、語用等多維度的操作，但簡單而言，自然語言處理的基本任務是基於本體詞典、詞頻統計、上下文語義分析等方式對待處理語料進行分詞，形成以最小詞性為單位，且富含語義的詞項單元。

Ⅶ 如何度量兩個詞之間的語義相似度

如何度量句子的語義相似度，很容易想到的是向量空間模型（VSM）和編輯距離的方法，比如A：「我爸是李剛」，B：「我兒子是李剛」，利用VSM方法A（我，爸，是，李剛）B（我，兒子，是，李剛），計算兩個向量的夾角餘弦值，不贅述；編輯距離就更好說了將「爸」，「兒子」分別替換掉，D（A,B）= replace_cost；

這是兩種相當呆的方法，屬於baseline中的baseline，換兩個例子看一下就知道A：「樓房如何建造？」，B：「高爾夫球怎麼打？」，C:「房子怎麼蓋？」，如果用VSM算很明顯由於B，C中有共同的詞「怎麼」，所以BC相似度高於AC；編輯距離同理；

解決這種問題方法也不難，只要通過同義詞詞典對所有句子進行擴展，「如何」、「怎麼」，「樓房」、「房子」都是同義詞或者近義詞，擴展後再算vsm或者edit distance對這一問題即可正解。這種方法一定程度上解決了召回率低的問題，但是擴展後引入雜訊在所難免，尤其若原句中含有多義詞時。例如：「打醬油」、「打毛衣」。在漢字中有些單字詞表達了相當多的意義，在董振東先生的知網（hownet）中對這種類型漢字有很好的語義關系解釋，通過hownet中詞語到義元的樹狀結構可以對對詞語粒度的形似度進行度量。

問題到這里似乎得到了不錯的解答，但實際中遠遠不夠。VSM的方法把句子中的詞語看做相互獨立的特徵，忽略了句子序列關系、位置關系對句子語義的影響；Edit Distance考慮了句子中詞語順序關系，但是這種關系是機械的置換、移動、刪除、添加，實際中每個詞語表達了不同的信息量，同樣的詞語在不同詞語組合中包含的信息量或者說表達的語義信息大不相同。What about 句法分析，計算句法樹的相似度？這個比前兩種方法更靠譜些，因為句法樹很好的描述了詞語在句子中的地位。實際效果要待實驗證實。

對了，還有一種方法translation model，IBM在機器翻譯領域的一大創舉，需要有大量的語料庫進行訓練才能得到理想的翻譯結果。當然包括中間詞語對齊結果，如果能夠利用web資源建立一個高質量的語料庫對兩兩相似句對通過EM迭代詞語對齊，由詞語對齊生成句子相似度，這個。。想想還是不錯的方法！

Ⅷ 在自然語言理解模型中，以下哪些演算法

OK向左轉|向右轉

Ⅸ 網路爬蟲採用的是哪種演算法策略

在爬蟲系統中，待抓取URL隊列是很重要的一部分。待抓取URL隊列中的URL以什麼樣的順序排列也是一個很重要的問題，因為這涉及到先抓取那個頁面，後抓取哪個頁面。而決定這些URL排列順序的方法，叫做抓取策略。下面重點介紹幾種常見的抓取策略：

1.深度優先遍歷策略

深度優先遍歷策略是指網路爬蟲會從起始頁開始，一個鏈接一個鏈接跟蹤下去，處理完這條線路之後再轉入下一個起始頁，繼續跟蹤鏈接。我們以下面的圖為例： 遍歷的路徑：A-F-G E-H-I B C D 2.寬度優先遍歷策略 寬度優先遍歷策略的基本思路是，將新下載網頁中發現的鏈接直接插入待抓取URL隊列的末尾。也就是指網路爬蟲會先抓取起始網頁中鏈接的所有網頁，然後再選擇其中的一個鏈接網頁，繼續抓取在此網頁中鏈接的所有網頁。還是以上面的圖為例： 遍歷路徑：A-B-C-D-E-F G H I 3.反向鏈接數策略 反向鏈接數是指一個網頁被其他網頁鏈接指向的數量。反向鏈接數表示的是一個網頁的內容受到其他人的推薦的程度。因此，很多時候搜索引擎的抓取系統會使用這個指標來評價網頁的重要程度，從而決定不同網頁的抓取先後順序。 在真實的網路環境中，由於廣告鏈接、作弊鏈接的存在，反向鏈接數不能完全等他我那個也的重要程度。因此，搜索引擎往往考慮一些可靠的反向鏈接數。 4.Partial PageRank策略 Partial PageRank演算法借鑒了PageRank演算法的思想：對於已經下載的網頁，連同待抓取URL隊列中的URL，形成網頁集合，計算每個頁面的PageRank值，計算完之後，將待抓取URL隊列中的URL按照PageRank值的大小排列，並按照該順序抓取頁面。 如果每次抓取一個頁面，就重新計算PageRank值，一種折中方案是：每抓取K個頁面後，重新計算一次PageRank值。但是這種情況還會有一個問題：對於已經下載下來的頁面中分析出的鏈接，也就是我們之前提到的未知網頁那一部分，暫時是沒有PageRank值的。為了解決這個問題，會給這些頁面一個臨時的PageRank值：將這個網頁所有入鏈傳遞進來的PageRank值進行匯總，這樣就形成了該未知頁面的PageRank值，從而參與排序。下面舉例說明： 5.OPIC策略策略 該演算法實際上也是對頁面進行一個重要性打分。在演算法開始前，給所有頁面一個相同的初始現金（cash）。當下載了某個頁面P之後，將P的現金分攤給所有從P中分析出的鏈接，並且將P的現金清空。對於待抓取URL隊列中的所有頁面按照現金數進行排序。 6.大站優先策略 對於待抓取URL隊列中的所有網頁，根據所屬的網站進行分類。對於待下載頁面數多的網站，優先下載。這個策略也因此叫做大站優先策略。