CN105706091B - 在自然语言处理和其他应用中使用的四值类比转换运算符的方法和*** - Google Patents

在自然语言处理和其他应用中使用的四值类比转换运算符的方法和*** Download PDF

Info

Publication number
CN105706091B
CN105706091B CN201480060269.7A CN201480060269A CN105706091B CN 105706091 B CN105706091 B CN 105706091B CN 201480060269 A CN201480060269 A CN 201480060269A CN 105706091 B CN105706091 B CN 105706091B
Authority
CN
China
Prior art keywords
value
symbol
logic
semantic
row
Prior art date
Legal status (The legal status is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the status listed.)
Active
Application number
CN201480060269.7A
Other languages
English (en)
Other versions
CN105706091A (zh
Inventor
罗杰·密德茂尔
谢尔登·克莱因
Current Assignee (The listed assignees may be inaccurate. Google has not performed a legal analysis and makes no representation or warranty as to the accuracy of the list.)
Individual
Original Assignee
Individual
Priority date (The priority date is an assumption and is not a legal conclusion. Google has not performed a legal analysis and makes no representation as to the accuracy of the date listed.)
Filing date
Publication date
Priority claimed from US14/016,518 external-priority patent/US9576244B2/en
Application filed by Individual filed Critical Individual
Publication of CN105706091A publication Critical patent/CN105706091A/zh
Application granted granted Critical
Publication of CN105706091B publication Critical patent/CN105706091B/zh
Active legal-status Critical Current
Anticipated expiration legal-status Critical

Links

Classifications

    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation
    • G06N5/022—Knowledge engineering; Knowledge acquisition
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06F—ELECTRIC DIGITAL DATA PROCESSING
    • G06F40/00—Handling natural language data
    • G06F40/20—Natural language analysis
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/04—Inference or reasoning models
    • G—PHYSICS
    • G06—COMPUTING; CALCULATING OR COUNTING
    • G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
    • G06N5/00—Computing arrangements using knowledge-based models
    • G06N5/02—Knowledge representation; Symbolic representation

Landscapes

  • Engineering & Computer Science (AREA)
  • Theoretical Computer Science (AREA)
  • General Engineering & Computer Science (AREA)
  • General Physics & Mathematics (AREA)
  • Artificial Intelligence (AREA)
  • Computational Linguistics (AREA)
  • Physics & Mathematics (AREA)
  • Data Mining & Analysis (AREA)
  • Computing Systems (AREA)
  • Mathematical Physics (AREA)
  • Software Systems (AREA)
  • Evolutionary Computation (AREA)
  • Health & Medical Sciences (AREA)
  • Audiology, Speech & Language Pathology (AREA)
  • General Health & Medical Sciences (AREA)
  • Machine Translation (AREA)
  • Information Retrieval, Db Structures And Fs Structures Therefor (AREA)
  • Processing Or Creating Images (AREA)

Abstract

一种用于将语义网络中的语法和语义信息动态编码成通用四值逻辑符号的***。新信息的编码对于现有语法构造、在时间O(C)的N条件测试是良性的，且允许在每个递归步骤进行适当的变量的量化。通过这种实施构造的查询/推理引擎能够最优化短期存储器，以用于使自动机中的长期存储器最大化。在并行的环境下，这可被视为最优化进程之间的通信和存储器分配。自参考***能够线性地将知识从一个知识源类比地扩展到另一个知识源。公开的实施例包括机器翻译、文本概括、自然语言语音识别自然语言。

Description

在自然语言处理和其他应用中使用的四值类比转换运算符的 方法和***
专利权和商标公告
本申请包括从属于或者可能从属于专利权和/或商标保护的物质。由于本专利公开出现在专利和商标局的文件或记录中，所以专利权和商标的拥有者对于通过任何本专利的公开复制的复制品没有异议，但是无论如何保留所有的专利权和商标权。
技术领域
本发明总体上涉及自然语言分析的机器实现方式和***。更具体地，公开的实施例涉及被用于测试生成的语法范式中的自参考程序的设计、实施和执行的两比特矢量***。
背景技术
在现有技术中，存在针对语言分析的各种计算机实现的***和方法。但是，现有技术的计算效率低下。
因此，本领域中很需要本公开的实施例。
发明内容
本发明通过呈现出有效地使用两比特矢量***来保存真值表的逻辑属性并用在对自参考程序的设计和实施中的类比推理的方法和***的不明显且独特的组合、配置和使用，克服了现有技术中的不足。公开的***和方法包括使得现有语言数据库服从于随机方法、模式匹配和类比推断，以用于分析、概括以及对目标语言进行翻译。
公开的***和方法包括对于来自信息提供者的语法推理和暗喻的积极响应和消极响应两者的存储，该结果被用于帮助针对自然语言推理和翻译的自参考程序和启发式算法的设计。
公开的***和方法包括虚拟现实***的使用，虚拟现实***包括带有音频输入的虚拟现实显示器。实施例包括用于测试在多媒体输入中观察到的空间的、超现实的、隐喻的或者其他的关系，测试结果被用于帮助非监督式的视频模式匹配和测试概括。
公开的***和方法包括在虚拟现实中的个人助理的字符产生和建模，助理具有用于接受针对用户交互的文本或口头命令的方式和方法，该方式和方法增加了由用户请求的搜索查询。
针对这些类逻辑的推导的一种论证是通过将布尔型Klein四组作为基本逻辑结构。该逻辑分组明显地针对其计算效率和逻辑特征进行建模。
所有公开的实施例可通过网络被实现。
附图说明
图1描述了对示出了在信息已被添加到语义网络之前编码的类比属性的真值的编码的示意图。这是取自Klein教授的论文“The Analogical Foundations of Creativityin Language,Culture and the Arts:the Upper Paleolithic to 2100CE”(在自然语言处理的认知科学(1999)上的第八次国际研讨会中的论文集中的第20至32页，由戈尔韦市的爱尔兰国家大学的信息技术中心的Paul McKevitt等人编辑)的修改的示例。使用XOR运算符(在示意图中的*)而不是强等效运算符来计算类比，以对类比进行建模。
图2描述了对示出了在信息已被利用与图1相同的类比添加到语义网络之后的编码的类比属性的真值的编码的示意图。这是取自Klein教授的论文“The AnalogicalFoundations of Creativity in Language,Culture and the Arts:the UpperPaleolithic to 2100CE”(在自然语言处理的认知科学(1999)上的第八次国际研讨会中的论文集中的第20至32页，由戈尔韦市的爱尔兰国家大学的信息技术中心的Paul McKevitt等人编辑)的修改的示例。使用XOR运算符(在示意图中的*)而不是强等效运算符来计算类比，以对类比进行建模。
图3描述了针对自参考程序使用虚拟现实的训练示例。
图4是语义网络的图解表示。
图5描述了对于数组内的特定指针的属性的分配。
图6描述了公开的实施例的机器实施。
基于结合关联的附图阅读下面的详细描述，本发明的这些方面和其他方面将变得明显。
具体实施方式
下面的详细描述指向本发明的一些特定实施例。然而，本发明可按照如通过权利要求和它们的等同物限定和覆盖的多种不同方式来呈现。在该描述中，对附图做出参照，其中，贯穿整个附图，相同的部件被指定同样的数字符号。
除非在该说明书或权利要求书中另外注释，否则在说明书和权利要求书中使用的所有术语具有通常具体本领域人员认为属于这些术语的含义。
除非上下文明确地另外要求，贯穿说明书和权利要求书，词“包括”、“包含”以及类似的词将被按照包容性的意思被解释，而不是独有的或全部的意思；也就是说，按照“包括但不限于”的意思进行解释。使用单数或复数数量的词还分别包括多数或单数的数量。此外，当词“在此”、“以上”、“以下”以及类似含义的词在该说明书中被使用时，这些词应指的是作为整体的本申请，而不是本申请的任何特定部分。
本发明的实施例的上面详细的描述不意在是详尽的或者将本发明限制为上面公开的明确形式。虽然本发明的特定实施例或示例由于示意性目的在上面被详细地描述，但是如相关领域的技术人员将认识到的，在本发明的范围内的各种等同的修改是可行的。例如，虽然步骤按照给定顺序被呈现，但是可选的实施例可执行具有按照不同顺序的步骤的例程。在此提供的本发明的教导可被应用于其他***，而不仅仅是在此描述的***。在此描述的各种实施例可被组合以提供其他实施例。根据具体实施方式可对本发明做出这些和其他改变。
所有上述参考和美国专利以及申请通过引用在此被合并。如果需要，则本发明的各个方面可被修改，以采用上面描述的各种专利和申请的***、功能和概念来提供本发明的其他进一步的实施例。
参考标号
100 非暂时性机器可读介质，包含机器可读指令
200 处理器，通用或专用，从机器可读介质100接收机器可读指令
300 存储器，与处理器200进行通信
410 真值表的编码值的数据库，诸如，在图1和图2中示出的表
420 虚拟现实测试的数据库，诸如，在图3中测试或处理
430 一个或更多个语义网络的数据库，诸如图4的网络
440 与每个语义节点关联的数组的数据库，诸如在图5中示出的数组
450 信息提供者的数据库，或者如在此公开的其他组件或信息***
500 通常的语义网络
510 语义网络的对象
520 语义网络的关系
参照图1，描述了对示出了在信息已被添加到语义网络之前编码的类比属性的真值的编码的示意图。参照在图1中的类比A，类比A示出了在对其他领域中的其他类比进行建模所需要的新信息被添加到语义网络之前，***如何使用异或运算符解决类比问题。
再次参照图1，属性被从左到右地映射到两比特矢量数组，并带有值(男性、女性、年轻、成人、爱、恨、亮和暗)。类比计算在网络中的现有节点之间形成类比，以类比地创建针对***新节点和语法构造。
参照图2，描述了对示出了在信息已被添加到语义网络之后的编码的类比属性的真值的编码的示意图。参照在图2中的类比B，类比B示出了在对其他领域中的其他类比进行建模所需要的新信息被添加到语义网络之后，***如何使用异或运算符解决类比问题。
再次参照图2，属性被从左到右地映射到两比特矢量数组，并带有值(男性、女性、年轻、成人、爱、恨、亮、暗、外部方、外部圆、外部亮、外部暗、内部方、内部圆、内部亮和内部暗)。类比计算在网络中的现有节点之间形成类比，以类比地创建针对***新节点和语法构造。
参照图3，示出了针对自参考程序使用虚拟现实的训练示例。***试图利用信息提供者验证语义上地将视空间关系建模为目标语言。考虑语句“put a ball to the left ofthe elephant”，帧A示出了***知道将被调整时间的特定实例的包含大象的场景。
帧B示出了***针对呈现给信息提供者的测试语句的语义解析的推理，帧的右手边的“X”表示信息提供者的拒绝或否定响应。至于***可辨识的是，可能存在针对拒绝的多个理由。这种理由可包括错误的视空间误差、语法误差和视觉类比、暗喻以及超现实意象。
如在帧C中示出的，***存储如在帧B中学习的来自信息提供者的信息，然后，追踪回或者退回较早的正确的实例。
帧D示出了***针对呈现给信息提供者的测试语句的语义解析的推理，帧的右手边的检查标记表示信息提供者的接受或积极响应。信息提供者的积极响应证实了多个变量的正确值，诸如，变量可包括视空间、语义、视觉类比、暗喻以及超现实意象。
参照图4，具有在存储器中的作为节点的对象和关系以及所有对象和关系。
图5描述了与存储器中的语义节点关联的两比特矢量数组的图解表示。图5还示出了跨越两个数组的真值，其中，X为***数组中的特定指针。图中词的大小是计算机架构中的词大小限制的结果。当访问在理论时间O(C)进行的数组时，这在存储器中引起组块因素。
参照图6，机器实现被描述，且包括非暂时性、非信号、计算机可读介质100，计算机可读介质100包括机器可读指令，机器可读指令可包括用于实现公开的实施例的指令。计算机可读介质向通用或专用处理器200提供机器可读指令。处理器可与存储器300、用户界面、输入输出接口、信息提供者、其他公开的组件以及多个数据库进行通信，数据库包括真值表的编码值的数据库410(诸如，在图1和图2中示出的表)、虚拟现实测试或实施的数据库420(诸如，在图3中示出的测试或处理)、一个或更多个语义网络的数据库430(诸如图4的网络)、与每个语义节点关联的一个或更多个数组的数据库440(诸如，在图5中示出的数组)、信息提供者的数据库450，或者在此公开的其他组件或信息***。
根据上面的详细描述可对本发明做出这些和其他改变。一般而言，在权利要求中使用的术语不应被解释为将本发明限制为说明书中公开的特定实施例，除非上面的详细描述明确地限定该术语。因此，本发明的实际范围包含公开的实施例以及实践或实现权利要求下的发明的所有等同方式。
虽然下面以特定权利要求形式来呈现本发明的一些方面，但是本发明注重任何数量的权利要求形式的发明的各个方面。
公开的实施例包括下面的项：
第一项。执行四值逻辑以使短期存储器最优化并使长期存储器最大化的机器实现的方法，所述方法包括：
a)使用包括(F、T、U、D)的符号来表示被映射到动态两比特矢量数组的假、真、未定义和已定义的值；这些值还被映射到两个矢量动态数组中的指针且被存储为语义网络内的节点；
b)将F、T、U、D限定为集合理论，诸如，{}为未定义，{T}为真，{F}为假，{T,F}为已定义，这些值被解释为属性{P}为真，为假，{}为未定义，为已定义，这些属性是用于针对在谓词积分中的连续递归步骤测试条件和量化变量的属性；
c)利用下面的二进制连接词，忽略单调论证，利用否定来定义逻辑：针对逻辑与(Λ)、非下面的逻辑或(∨)连接词被用于证明逻辑的完备性：
是T
是F
是D
是U；
d)针对连接词Λ
ΛF T U D
F FFFF
T F T U D
U F U U F
D F D F D；
e)针对连接词∨
∨ F T U D
F F T U D
T TTTT
U U T U T
D D T T D；
f)通过将语法信息和语义信息线性编码到语义网络来使短期存储器最优化，并使长期存储器最大化；
g)在并行环境下，使短期存储器最优化以使长期存储器最大化变为最优化不同知识源(进程)之间的通信和存储器；
h)使用对与语义网络内的节点关联的短语结构改写规则的运用以用于改写规则的测试和通过；
i)实现了能够对语法进行多元语法解析的自上而下、自下而上的语法分析器；
j)使用的符号包括：针对自然语言处理的开始符号{S}、名词短语符号{Np}、动词短语符号{Vp}、介词短语{Pp}(谓词参与者)；
k)使用的末端信号包括：名词符号{N}、动词符号{V}、行列式符号{det}以及介词符号{prep}。
第二项。第一项的***将真值的真建模为针对指向两比特矢量的特定指针的{0,0}，以保存逻辑属性以用于生成的语法范式中的自参考程序的设计和实施的类比推理。
第三项。第二项的***针对逻辑计算使用异或运算符。
第四项。第三项的***使用随机方法、对于现有语料库的模式匹配和类比推断、目标语言的语法，以用于分析、以目标语言进行概括以及翻译成其他语言。
第五项。第四项的***存储来自信息提供者的语法推理、类比、暗喻的积极响应和消极响应两者，以帮助针对自然语言推理和翻译的自参考程序和启发式算法的设计。
第六项。第五项的***还由虚拟现实***扩展，虚拟现实***包括带有音频输入的虚拟现实显示器。
第七项。第六项的***使用虚拟现实显示器来提出并测试空间的、超现实的/隐喻的或者在其学习算法中的其他关系，以帮助在语料库中的非监督式的视频模式匹配以及以目标语言或其他语言的其他多媒体的文本概括。
第八项。第七项的***被用于虚拟现实中的个人助理的字符产生和建模，助理能够接受针对在用户交互的文本或口头命令，帮助用户的搜索查询。
第九项。第八项的***通过网络来实现。
第十项。利用存储在非暂时性计算机可读介质中的机器可读指令来实现第九项的***，指令被发送到通用处理器200，通用处理器200与存储器300进行通信，通用处理器与多个数据库进行通信，数据库包括真值表的编码值的数据库、一个或更多个语义网络的数据库以及与语义网络的语义节点关联的数组的数据库。
第十一项。在第十项的***中，处理器是专用计算机处理器。
第十二项。第十项的***包括信息提供者的数据库和虚拟现实测试的数据库。
第十三项。第十二项的***包括视频模式匹配结果的数据库。
第十四项。第十三项的***包括目标语言的数据库。
第十五项。第十四项的***包括随机方法的数据库。

Claims (16)

1.一种执行四值逻辑以使短期存储器最优化并使长期存储器最大化的机器实现的方法，所述方法包括：
a)使用包括F、T、U和D的符号来表示被映射到二矢量动态数组的“假”、“真”、“未定义”和“已定义”的值，其中，F表示被映射到二矢量动态数组的“假”的值，T表示被映射到二矢量动态数组的“真”的值，U表示被映射到二矢量动态数组的“未定义”的值，D表示被映射到二矢量动态数组的“已定义”的值；这些值还被映射到二矢量动态数组中的指针且被存储为语义网络内的节点；
b)将F、T、U和D用集合理论限定，其中，{}为“未定义”，{T}为“真”，{F}为“假”，{T,F}为“已定义”，这些值被解释为：属性{P}为“真”，为“假”，{}为“未定义”，为“已定义”，这些属性是用于针对在谓词积分中的连续递归步骤测试条件和量化变量的属性；
c)利用下面的二进制连接词，忽略单调论证，利用否定来定义逻辑：连接词逻辑与Λ、逻辑非以及逻辑或∨被用于证明逻辑的完备性，如下所示：
是T
是F
是D
是U；
d)针对连接词Λ
ΛF T U D
F FFFF
T F T U D
U F U U F
D F D F D，
其中，第一行的值和第一列的值是进行逻辑与运算之前的值，第一行的第i个值与第一列的第j个值进行逻辑与运算得到第i行第j列的值，其中，2≤i≤5，2≤j≤5；
e)针对连接词∨
∨F T U D
F F T U D
T TTTT
U U T U T
D D T T D，
其中，第一行的值和第一列的值是进行逻辑或运算之前的值，第一行的第i个值与第一列的第j个值进行逻辑或运算得到第i行第j列的值，其中，2≤i≤5，2≤j≤5；
f)通过将语法信息和语义信息线性编码到语义网络来使短期存储器最优化，并使长期存储器最大化；
g)在并行环境下，使短期存储器最优化以使长期存储器最大化变为最优化不同知识源之间的通信和存储器；
h)使用与语义网络内的节点关联的短语结构改写规则，以用于改写规则的测试和通过；
i)实现了能够对语法进行多元语法解析的自上而下/自下而上的语法分析器；
j)使用的符号包括：针对自然语言处理的开始符号{S}、名词短语符号{Np}、动词短语符号{Vp}以及介词短语符号{Pp}；
k)使用的符号还包括：名词符号{N}、动词符号{V}、行列式符号{det}以及介词符号{prep}。
2.如权利要求1所述的方法，其中，所述方法将真值的真建模为针对指向两比特矢量的特定指针的{0,0}，以保存逻辑属性以用于生成的语法范式中的自参考程序的设计和实施的类比推理。
3.如权利要求2所述的方法，其中，所述方法针对逻辑计算使用异或运算符。
4.如权利要求3所述的方法，其中，所述方法使用随机方法、对于现有语料库的模式匹配和类比推断以及目标语言的语法，以用于分析、以目标语言进行概括以及翻译成其他语言。
5.如权利要求4所述的方法，其中，所述方法存储来自信息提供者的语法推理、类比以及暗喻的积极响应和消极响应两者，以帮助针对自然语言推理和翻译的自参考程序和启发式算法的设计。
6.如权利要求5所述的方法，其中，所述方法还由虚拟现实***扩展，虚拟现实***包括带有音频输入的虚拟现实显示器。
7.如权利要求6所述的方法，其中，所述方法使用虚拟现实显示器来提出并测试空间的、超现实的/隐喻的或者在其学习算法中的其他关系，以帮助在语料库中的非监督式的视频模式匹配以及以目标语言或其他语言的其他多媒体的文本概括。
8.如权利要求7所述的方法，其中，所述方法还被用于虚拟现实中的个人助理的字符产生和建模，在帮助用户的搜索查询上，助理能够接受用于用户交互的文本或口头命令。
9.如权利要求8所述的方法，其中，所述方法通过网络来实现。
10.如权利要求9所述的方法，其中，利用存储在非暂时性计算机可读介质中的机器可读指令来实现所述方法，指令被发送到通用处理器，通用处理器与存储器进行通信，通用处理器与多个数据库进行通信，数据库包括真值表的编码值的数据库、一个或更多个语义网络的数据库以及与语义网络的语义节点关联的数组的数据库。
11.如权利要求10所述的方法，其中，处理器是专用计算机处理器。
12.如权利要求10所述的方法，其中，所述方法包括信息提供者的数据库和虚拟现实测试的数据库。
13.如权利要求12所述的方法，其中，所述方法包括视频流到视频流数据库的输入。
14.如权利要求13所述的方法，其中，所述方法包括视频模式匹配结果的数据库。
15.如权利要求13所述的方法，其中，所述方法包括目标语言的数据库。
16.如权利要求13所述的方法，其中，所述方法包括随机方法的数据库。
CN201480060269.7A 2013-09-03 2014-08-07 在自然语言处理和其他应用中使用的四值类比转换运算符的方法和*** Active CN105706091B (zh)

Applications Claiming Priority (5)

Application Number Priority Date Filing Date Title
US14/016,518 US9576244B2 (en) 2013-09-03 2013-09-03 Methods and systems of four-valued simulation
US14/016,518 2013-09-03
US14/016,538 US9575951B2 (en) 2013-09-03 2013-09-03 Methods and systems of four valued analogical transformation operators used in natural language processing and other applications
US14/016,538 2013-09-03
PCT/US2014/050222 WO2015034622A1 (en) 2013-09-03 2014-08-07 Methods and systems of four valued analogical transformation operators used in natural language processing and other applications

Publications (2)

Publication Number Publication Date
CN105706091A CN105706091A (zh) 2016-06-22
CN105706091B true CN105706091B (zh) 2019-01-01

Family

ID=52584426

Family Applications (1)

Application Number Title Priority Date Filing Date
CN201480060269.7A Active CN105706091B (zh) 2013-09-03 2014-08-07 在自然语言处理和其他应用中使用的四值类比转换运算符的方法和***

Country Status (6)

Country Link
US (1) US9575951B2 (zh)
EP (1) EP3042323A4 (zh)
CN (1) CN105706091B (zh)
AU (1) AU2014315620B2 (zh)
CA (1) CA2966686A1 (zh)
WO (1) WO2015034622A1 (zh)

Families Citing this family (11)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US10706741B2 (en) 2013-09-03 2020-07-07 Roger Midmore Interactive story system using four-valued logic
US9576244B2 (en) * 2013-09-03 2017-02-21 Roger Midmore Methods and systems of four-valued simulation
US10503768B2 (en) 2016-10-06 2019-12-10 International Business Machines Corporation Analogic pattern determination
US9892112B1 (en) 2016-10-06 2018-02-13 International Business Machines Corporation Machine learning to determine analogy outcomes
US10331718B2 (en) 2016-10-06 2019-06-25 International Business Machines Corporation Analogy outcome determination
US10878338B2 (en) 2016-10-06 2020-12-29 International Business Machines Corporation Machine learning of analogic patterns
WO2018203912A1 (en) * 2017-05-05 2018-11-08 Midmore Roger Interactive story system using four-valued logic
US11074280B2 (en) * 2017-05-18 2021-07-27 Aiqudo, Inc Cluster based search and recommendation method to rapidly on-board commands in personal assistants
CN109783827B (zh) * 2019-01-31 2023-02-10 沈阳雅译网络技术有限公司 一种基于动态线性聚合的深层神经机器翻译方法
US10764233B1 (en) * 2019-03-28 2020-09-01 Amazon Technologies, Inc. Centralized communication platform with email which organizes communication as a plurality of information streams and which generates a second message based on and a first message and formatting rules associated with a communication setting
CN116057544A (zh) * 2020-06-07 2023-05-02 罗杰·密德茂尔 使用四值逻辑的定制交互式语言学习***

Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7233891B2 (en) * 1999-08-24 2007-06-19 Virtural Research Associates, Inc. Natural language sentence parser
CN102945230A (zh) * 2012-10-17 2013-02-27 刘运通 一种基于语义匹配驱动的自然语言知识获取方法
CN105706092A (zh) * 2013-09-03 2016-06-22 罗杰·密德茂尔 四值模拟的方法和***

Family Cites Families (13)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US5692233A (en) 1992-05-28 1997-11-25 Financial Engineering Associates, Inc. Integrated system and method for analyzing derivative securities
US6061064A (en) * 1993-08-31 2000-05-09 Sun Microsystems, Inc. System and method for providing and using a computer user interface with a view space having discrete portions
US6127990A (en) * 1995-11-28 2000-10-03 Vega Vista, Inc. Wearable display and methods for controlling same
US6026230A (en) * 1997-05-02 2000-02-15 Axis Systems, Inc. Memory simulation system and method
US6133754A (en) * 1998-05-29 2000-10-17 Edo, Llc Multiple-valued logic circuit architecture; supplementary symmetrical logic circuit structure (SUS-LOC)
US6442661B1 (en) * 2000-02-29 2002-08-27 Quantum Corporation Self-tuning memory management for computer systems
US7403890B2 (en) * 2002-05-13 2008-07-22 Roushar Joseph C Multi-dimensional method and apparatus for automated language interpretation
US8364977B2 (en) * 2004-02-25 2013-01-29 Ternarylogic Llc Methods and systems for processing of n-state symbols with XOR and EQUALITY binary functions
US20070050356A1 (en) * 2005-08-23 2007-03-01 Amadio William J Query construction for semantic topic indexes derived by non-negative matrix factorization
US20080221892A1 (en) * 2007-03-06 2008-09-11 Paco Xander Nathan Systems and methods for an autonomous avatar driver
US10423740B2 (en) * 2009-04-29 2019-09-24 Synopsys, Inc. Logic simulation and/or emulation which follows hardware semantics
WO2011025953A1 (en) * 2009-08-28 2011-03-03 Lexicor Medical Technology, Llc Systems and methods to identify a subgroup of adhd at higher risk for complicating conditions
US20110191758A1 (en) * 2010-01-29 2011-08-04 Michael Scharf Optimized Memory Allocator By Analyzing Runtime Statistics

Patent Citations (3)

* Cited by examiner, † Cited by third party
Publication number Priority date Publication date Assignee Title
US7233891B2 (en) * 1999-08-24 2007-06-19 Virtural Research Associates, Inc. Natural language sentence parser
CN102945230A (zh) * 2012-10-17 2013-02-27 刘运通 一种基于语义匹配驱动的自然语言知识获取方法
CN105706092A (zh) * 2013-09-03 2016-06-22 罗杰·密德茂尔 四值模拟的方法和***

Also Published As

Publication number Publication date
AU2014315620A1 (en) 2016-04-28
CA2966686A1 (en) 2015-03-12
EP3042323A4 (en) 2017-07-12
AU2014315620B2 (en) 2019-11-07
EP3042323A1 (en) 2016-07-13
US20150066476A1 (en) 2015-03-05
US9575951B2 (en) 2017-02-21
CN105706091A (zh) 2016-06-22
WO2015034622A1 (en) 2015-03-12

Similar Documents

Publication Publication Date Title
CN105706091B (zh) 在自然语言处理和其他应用中使用的四值类比转换运算符的方法和***
Zhang Graph-toolformer: To empower llms with graph reasoning ability via prompt augmented by chatgpt
CN105706092B (zh) 四值模拟的方法和***
Truex et al. Deep structure or emergence theory: contrasting theoretical foundations for information systems development
Grefenstette et al. Concrete models and empirical evaluations for the categorical compositional distributional model of meaning
Cao et al. Knowledge-routed visual question reasoning: Challenges for deep representation embedding
Stancheva et al. A model for generation of test questions
Kulmizev et al. Schrödinger's tree—On syntax and neural language models
Wu et al. A reasoning enhance network for muti-relation question answering
Mao et al. Grammar-based grounded lexicon learning
Donatelli et al. Compositionality in computational linguistics
Herbelot et al. Ideal words: a vector-based formalisation of semantic competence
Ollongren Astrolinguistics: Design of a Linguistic System for Interstellar Communication Based on Logic
Wang et al. Knowledge base question answering system based on knowledge graph representation learning
Xia et al. Generating Questions Based on Semi-Automated and End-to-End Neural Network.
Zhang et al. Sentence simplification based on multi-stage encoder model
Alyoshintsev et al. Analysis of natural language sentences by methods of the theory of graphs and the theory of sets
Magnusson Scalable and Efficient Probabilistic Topic Model Inference for Textual Data
Li et al. A hybrid framework for problem solving of comparative questions
Zhao et al. LoCSGN: Logic-Contrast Semantic Graph Network for Machine Reading Comprehension
Gilroy Probabilistic graph formalisms for meaning representations
Colucci et al. A Human-readable Explanation for the Similarity of RDF Resources.
Jiang et al. Augmenting NLP Models with Commonsense Knowledge
Jones Learning words and syntactic cues in highly ambiguous contexts
Lyu Knowledge and Pre-trained Language Models: a deep-dive into datasets and external knowledge

Legal Events

Date Code Title Description
C06 Publication
PB01 Publication
C10 Entry into substantive examination
SE01 Entry into force of request for substantive examination
GR01 Patent grant
GR01 Patent grant