基于形式概念格的语言规则获取及其不确定性推理研究

A major target of artificial intelligence is to make machine can simulate human to process language. Processing linguistic information by human mainly performs the uncertainty inference for linguistic values. Extraction and uncertainty inference of linguistic rules is an important subject of machine learning. This project researches the uncertainty of linguistic concept which is used to describe objects, proposes the formal context of linguistic concepts and constructs the model of linguistic rules extraction and its uncertainty inference. (1)Through analyzing linguistic concepts’ similar relation, hierarchical structure and formal concept lattice, we propose an approach for linguistic rules extraction based on the formal concept analysis. (2) We analyze the consistency between hierarchical structure and ordering relation, similar relation and uncertainty measure of linguistic concept. Based on formal concept lattice and uncertainty measure of linguistic concept soft sets, we present uncertainty inference method for linguistic rules. (3) According to the sensitivity of hedge operator’s change, we establish a model for linguistic rules formal reasoning which has both robustness and consistency. Our proposed technique of extraction and uncertain inference of linguistic rules can be applied into intelligent search engine, intelligent question answering system, assistant decision systems with management, humanism, geography and psychology in big data.

人工智能研究的一个重要目标是使机器具有模拟人类处理语言信息的能力，而人类对语言信息的处理过程主要体现为对语言值的不确定性推理。语言规则的获取与不确定性推理已成为机器学习领域的重要研究内容。本项目将分析语言概念描述对象过程中的不确定性，提出语言概念的形式背景，建立语言规则的获取及其不确定性推理模型。具体研究内容：（1）研究语言概念的相似关系、层次结构及形式概念格，建立基于形式概念格的语言规则获取方法模型；（2）分析语言概念的层次结构和序关系、相似关系和不确定性测度的协调一致性，提出基于形式概念格和语言概念软集不确定性测度的语言规则不确定性推理方法；（3）分析语气算子变化的灵敏度，建立具有鲁棒性及相容性的语言规则形式推理模型。本申请项目提出的语言规则获取及其不确定性推理技术，可广泛应用于大数据背景下的智能搜索引擎、智能问答系统，及公共管理、人文、地理、心理等领域的辅助决策系统中。

人工智能研究的一个重要问题是处理来源于语言值的不确定性推理问题。本项目基于语言真值直觉模糊代数、不确定性推理与形式概念分析，解决语言概念描述对象过程中的不确定性问题，得到不确定性语言规则提取方法，建立语言值不确定性推理模型。完成了预定研究计划并取得以下主要成果:（1）分析语言概念形式背景所具有的性质，构建相应的语言概念格；（2）对于不同信任度下的语言概念，基于语言值格蕴涵代数与模糊语言形式背景，建立模糊语言规则提取模型；（3）基于语言值直觉模糊二元组，提出语言真值直觉模糊推理方法，构建不同类型的语言值标准化转换模型，给出语言值推理方法。（4）结合证据推理算法的置信规则库推理方法(RIMER)与深度学习方法，将语言值不确定性信息处理方法应用于模式识别、决策问题、评价问题等应用领域中。所提出的不确定性语言规则获取方法可处理具有可比性和不可比性的、且同时具有正反两方面证据的语言值信息，为人工智能领域的不确定性信息处理提供了新的理论和方法，具有一定的理论价值和现实意义。