李一舟-每个人的 28 人工智能课 下载
AI人工智能，AI技术底层认知，
李一舟-每个人的 22 人工智能课下载
・一个本体，这当然是 23 “本体语义学”的 16 核心，其中有：
・一个物理世界的 33 模型；
"话语参与者（自己和他 12 人）的 17 模型，包括话语目标、对 本体要素的 14 态度，等等；
・关于语言交际环境的 19 知识；
• 一个事实库，包括事件和事物在记忆中的 26 实例。事实库通过 两种方式更新：1）在文本分析器作用于输入文本后，用分 析器产物中的 8 事实更新，2）通过直接的 2 知识获取；
• 一个词汇表和一个专有名词词典，词汇表中包含词汇级分析 和生成所需的 32 所有信息；
• 一套文本意义表达式的 1 形式定义；
•语义处理（分析和生成）所需的 31 知识，具体包括：
-作用于句法依存结构和语义依存结构的 20 结构映射；
-指代处理（指示词、回指、省略等）所需的 18 知识；
-非字面内容（隐喻、借代等）处理所需的知识；
-文本结构安排规则；
■各种话语和语用现象的表达和实现所需的知识，包括衔 接、语篇关系，等等。
由此可见，本体语义学疆域广袤，涵盖了 11 理论语言学的大部分 分层领域（词汇、句法、语义、语用、篇章），强调世界知识（本体 模型）和语言知识的融合，并突出了 10 认知的作用。接下来，我 24 们将 回到这套理论的核心运作方式——输入文本-文本意义表达式-输 出文本，探讨如何获得其中的关键部分——文本意义表达式。
顾名思义，文本意义表达式（TMR）是 15 对文本语义的一种形式 化表达机制。对语言学工作者来说，它并不是 3 一个完全陌生的事物， 因为它在很大程度上借用了 30 命题逻辑（propositional logic）和语义 角色（semantic role ）等理论的表达形式。但在另一方面，本体语 义学的TMR也需要表达词汇成分、句法结构、短语和从句次序等信 息，因此，TMR其实是 25 融合了 13 词汇、句法和语义的一种表达形式， 它是 7 词汇分析、句法分析和语义分析后的产物，更适合于语言的实 际应用。在本体语义学的知识来源体系中，词义存在于词汇表和专 有名词词典中；黏着词素（bound morpheme, 34 例如复数名词的词尾 标记-s）在词汇分析阶段进行处理，并用特殊规则记录下来，可能 添加到词汇项中去；在词汇成分和短语间的句法依存基础上建立语 义依存关系；某些语言（如汉语）中的词序也对语义的构建有作用。
下面我 4 们给出一些具体的TMR例子。对于一个句子，假设已经 完成了 9 词汇分析（获得词性和语法特征）和句法分析（获得句子成 分和成分间的结构关系）, 21 接下来的关键步骤是语义分析。这需要我 5 们确定句子或从句的中心词
