执行工作，是种特殊映射形式。建立在潜在关联分析上，因此在第四部分我们总结了。在第五部分我们讨论了潜在应用。为了评价我们创造了个类比映射问题，十个科学类比问题,和十个共同隐喻问题,。表格是十个科学类比映射之。我们尝试解决办法在表格。为了验证我们尝试方法，我们给我们同事系列术语好像表格中样并要求他们在这些术语之间产生映射。第六部分呈现是这些实验结果。通过这个问题，我们尝试方法达到平均满意度是.。在第七部分给出了算法概述，以及它关于二十个问题评价。达到了.精确度。这个性能和人类平均.区别不是统计明显。第八并用基于知识标注它们。.注意到包含了多于个手工编码概念，并且为了支持系统他们在之中增加了进步手工编码概念。发明系统要求使用者使用定性物理方法手工编码个物理模型,。学习阅读器系统使用来自多于个短语模式.,。很明显，仍然需要大量手工编码知识。在本论文中工作是避免复杂手工编码表述错误。我们方法是联合.,和潜在关联分析想法。我们称由此产生算法潜在关系映射引擎。我们使用矢量代表两个术语之间语言关系，它们中元素来自大量语料库原始文本模式频率。因为语义关系自动来源于语料库，并不需要手工编码申述关系。它只需要系列来源于源头术语和系列来源于目标术语。给出这两列术语之后，使用语料库构建术语间关系申述，然后构造个两个术语列之间映射。图表和图表表示了在太阳系和玻尔原子模型之间类比输入和输出。尽管在输入术语时存在着人工错误，它仍然被认为在输入方面比出错较少。将图表中暑假和进行对比。科学类比，就好像是太阳系和玻尔原子模型之间类比，可能看起来深奥，但是我们相信类比决策在我们生活中是无处不在。个这个理论潜在实际应用就是语义角色定义,。因为这些角色是相关而不是归因，于是把语义角色标记为映射问题是合适。比如，裁决系统语义框架包含了语义角色比如判断，评价，原因，而声明框架包含声明者，收件人，信息，主题和媒介,。图表在中输入表述.图表在中输出表述定义语义角色工作是自动由它们角色来标记，就好像下面例子,判断她责备评价政府原因没有提供足够帮助。发言者我们谈论关于建议话题基于电话媒介。如果我们有组标准标记语句和组不标记测试语句，我们就可以把标记文本语句工作看成是在标准语句源头和测试语句目标之间映射个问题。图表表示“她怎样职责政府因为没有提供足够帮助造成失败。”可能被映射到“他们职责公司污染环境。”旦这个映射被找到，我们就能够从源到目标把它以标记语义角色形式转化为知识。图表标记语义角色作为类比映射在第二部分，我们简要讨论背后假设。然后我们在第三部份精确定义由执行工作，是种特殊映射形式。建立在潜在关联分析上，因此在第四部分我们总结了。在第五部分我们讨论了潜在应用。为了评价我们创造了个类比映射问题，十个科学类比问题,和十个共同隐喻问题,。表格是十个科学类比映射之。我们尝试解决办法在表格。为了验证我们尝试方法，我们给我们同事系列术语好像表格中样并要求他们在这些术语之间产生映射。第六部分呈现是这些实验结果。通过这个问题，我们尝试方法达到平均满意度是.。在第七部分给出了算法概述，以及它关于二十个问题评价。达到了.精确度。这个性能和人类平均.区别不是统计明显。第八,.,.,.,,.,.,,..,,..,.,.,.,..,,,,.,.,.,..,.,.,..,.,..,,.,.并用基于知识标注它们。.注意到包含了多于个工编码概念，并且为了支持系统他们在之中增加了进步手工编码概念。发明系统要求使用者使用定性物理方法手工编码个物理模型,。学习阅读器系统使用来自多于个短语模式.,。很明显，仍然需要大量手工编码知识。在本论文中工作是避免复杂手工编码表述错误。我们方法是联合.,和潜在关联分析想法。我们称由此产生算法潜在关系映射引擎。我们使用矢量代表两个术语之间语言关系，它们中元素来自大量语料库原始文本模式频率。因为语义关系自动来源于语料库，并不需要手工编码申述关系。它只需要系列来源于源头术语和系列来源于目标术语。给出这两列术语本科毕业设计外文翻译潜在关系映射引擎算法与实验作者姓名.指导教师所在院系信息工程学院专业班级摘要许多人工智能研究者和认知科学家已经关于分析是认识核心这个问题进行了讨论。其中在计算模型类比决策分析方面最有形象力著作是结构影响理论及其执行中结构映射引擎。个结构映射引擎局限性在于对于复杂手工编码表达要求。为了消除手工编码申述要求我们介绍潜在关系映射引擎联合了结构映射引擎和潜在关联分析观点。潜在关系映射引擎在系列单词之间构建了类比映射，运用大批原始文本自动发现其单词间语义关系。我们评价潜在关系映射引擎是套关于个类比映射问题设备，个基于科学家分析，另外个基于共同隐喻。潜在关系映射引擎达在这个类比问题上到了人类级性能。我们将潜在关系映射引擎与各种替代方法进行比较并发现他们不能达到与之相同性能水平。关键词潜在关系映射引擎结构映射引擎类比映射.引言当我们遇到个问题时，我们总是试图去回想过去遇到过相似问题，以便于我们能把现在问题转化为从过去经验中得到知识。我们将过去情况和现在情况进行分析，并且使用类推进行知识转化。在他计算模型类别决策调查中，引用结构映射理论及其执行中结构映射引擎作为最重要模拟类比决策理论。在潜在关系映射引擎中，个类别映射表示从个源头到个目标。认为存在这两种相似，分别是归因相似和关系相似。归因和关系相似区别可能是对于谓词逻辑理解。个属性是个论点前提，比如在碰撞中,时，就表示与碰撞。结构映射引擎涉及基于关系相似映射到基于归因相似映射，比如，结构映射引擎能够构建从个太阳系陈述源头到个玻尔原子模型陈述目标。太阳被映射到原子核，行星被映射到电子，质量被映射到电荷。注意到这个映射侧重于关系相似。太阳和原子核在属性表述上截然不同太阳是巨大而原子核是微小。与此同时，行星和电子几乎不存在归因相似。另方面，行星围绕着太阳就好像电子围绕着原子核样。太阳质量吸引着行星质量就好像原子核电荷吸引着电子电荷。提供了儿童主要依靠归因相似来映射，随着他们成熟逐渐切换到关系相似这个证据。她运用仅仅是外观涉及主要基于归因相似映射表述，类推涉及主要基于归因相似映射，并且字面相似涉及归因相似和关系相似相混合映射。由于我们使用类比映射解决问题和作出预测，我们应该注重结构，特别是因果关系，透过现象看本质属性东西,。这个太阳系统到玻尔原子模型类推表明超越外观，看到基本结构重要性。图表和展示了被用来作为类推太阳系到原子模型输入函数表达式.,。,以及批评了对于复杂手工编码表达要求。他们认为最艰难工作是由创造高水平手工编码表达人们来完成而不是。图表太阳系在中表述,以及他们同事已经尝试着在他们近期工作中使用避免手工编码。系统能够简单素描中产生函数表达式,。发明系统能够从定性物理模型中产生函数表达式,。学习阅读器系统能够从自然语言文学中产生函数表达式.,。这些系统都不需要函数输入。图表在中玻尔原子模型.,。然而，系统用户接口要求画素描人在素描中定义基本组成部分并用基于知识标注它们。.注意到包含了多于个手工编码概念，并且为了支持系统他们在之中增加了进步手工编码概念。发明系统要求使用者使用定性物理方法手工编码个物理模型,。学习阅读器系统使用来自多于个短语模式.,。很明显，仍然需要大量手工编码知识。在本论文中工作是避免复杂手工编码表述错误。我们方法是联合.,和潜在关联分析想法。我们称由此产生算法潜在关系映射引擎。我们使用矢量代表两个术语之间语言关系，它们中元素来自大量语料库原始文本模式频率。因为语义关系自动来源于语料库，并不需要手工编码申述关系。它只需要系列来源于源头术语和系列来源于目标术语。给出这两列术语之后，使用语料库构建术语间关系申述，然后构造个两个术语列之间映射。图表和图表表示了在太阳系和玻尔原子模型之间类比输入和输出。尽管在输入术语时存在着人工错误，它仍然被认为在输入方面比出错较少。将图表中暑假和进行对比。科学类比，就好像是太阳系和玻尔原子模型之间类比，可能看起来深奥，但是我们相信类比决策在我们生活中是无处不在。个这个理论潜在实际应用就是语义角色定义,。因为这些角色是相关而不是归因，于是把语义角色标记为映射问题是合适。比如，裁决系统语义框架包含了语义角色比如判断，评价，原因，而声明框架包含声明者，收件人，信息，主题和媒介,。图表在中输入表述.图表在中输出表述定义语义角色工作是自动由它们角色来标记，就好像下面例子,判断她责备评价政府原因没有提供足够帮助。发言者我们谈论关于建议话题基于电话媒介。如果我们有组标准标记语句和组不标记测试语句，我们就可以把标记文本语句工作看成是在标准语句源头和测试语句目标之间映射个问题。图表表示“她怎样职责政府因为没有提供足够帮助造成失败。”可能被映射到“他们职责公司污染环境。”旦这个映射被找到，我们就能够从源到目标把它以标记语义角色形式转化为知识。图表标记语义角色作为类比映射在第二部分，我们简要讨论背后假设。然后我们在第三部份精确定义由本科毕业设计外文翻译潜在关系映射引擎算法与实验作者姓名.指导教师所在院系信息工程学院专业班级摘要许多人工智能研究者和认知科学家已经关于分析是认识的核心这个问题进行了讨论。其中在计算模型的类比决策分析方面最有形象力的著作是结构影响理论及其执行中的结构映射引擎。个结构映射引擎的局限性在于对于复杂的手工编码表达的要求。