[发明专利]面向本质计算的多模态DIKW内容多语义分析方法

说明书

本发明提供一种面向本质计算的多模态DIKW内容多语义分析方法，该方法包括以下步骤：S1、获取类型资源进行语义识别，根据识别结果判断是否存在多语义，所述类型资源包括数据资源D_DIKW、信息资源I_DIKW和知识资源K_DIKW；S2、存在多语义时，分析多语义形成原因；S3、基于多语义形成原因，采用相应策略将原类型资源转换为新的类型资源，获取最终语义识别结果。本发明可以帮助人工智能系统提高语言文本识别效率，并提高识别结果准确率。

技术领域

本发明涉及语义分析技术领域，尤其涉及一种面向本质计算的多模态DIKW内容多语义分析方法。

背景技术

目前基于DIKW图谱技术对自然语言进行语义识别是相关领域一种新的技术发展方向，基于DIKW图对语义内容进行建模，可以从语言文本中提取出类型资源(TypedResources)以用于语义识别，类型资源可分为数据资源(Data Resour ces)、信息资源(Information Resources)和知识资源(Knowledge Resources)。而在基于DIKW图谱技术进行语义识别时可能会出现多语义问题，多语义是指理解语义内容具有多个不同的目的，即语义内容中的类型资源可以从各种类型资源中派生出来，以获得具有不同目的的信息资源。多语义问题会导致人工智能系统语言文本识别效率降低，并降低识别结果的准确率。

发明内容

本发明的目的在于提供一种面向本质计算的多模态DIKW内容多语义分析方法，以克服或至少部分解决现有技术所存在的上述问题。

一种面向本质计算的多模态DIKW内容多语义分析方法，包括以下步骤：

S1、获取类型资源进行语义识别，根据识别结果判断是否存在多语义，所述类型资源包括数据资源D_DIKW、信息资源I_DIKW和知识资源K_DIKW；

S2、存在多语义时，分析多语义形成原因；

S3、基于多语义形成原因，采用相应策略将原类型资源转换为新的类型资源，获取最终语义识别结果。

进一步的，所述多语义形成原因包括类型资源缺失和类型资源冗余。

进一步的，所述步骤S2中，分析多语义形成原因为类型资源缺失时，判断类型资源缺失属性为数据资源缺失或信息资源缺失。

进一步的，所述步骤S3中，多语义形成原因为类型资源缺失时，所采用策略具体包括：

将已知的数据资源D₀和信息资源I₀与相关的K_DIKW相结合，得到具有不同用途的新信息资源I_new1和I_new2；

在数据图表中搜索与之相关的数据资源D_related；

将D_related与相关的I_DIKW和K_DIKW进行结合，进一步获得新的信息资源I_new3；

确定I_new3和I_new1与I_new2的关系，保留I_new3支持的I_DIKW，删除其他I_DIKW；

将剩余的I_DIKW设置为最终语义识别结果。

进一步的，所述步骤S3中，多语义形成原因为类型资源缺失时，所采用策略具体包括：