子句
- 一種求解Max-SAT問題的快速模擬退火算法
賦值,使得滿足的子句數(shù)目最多。Max-SAT問題在統(tǒng)計(jì)物理、機(jī)器人路徑規(guī)劃[6]、組合拍賣和概論推理等領(lǐng)域有著廣泛的應(yīng)用,同時(shí)圖論中的最大割問題和最大團(tuán)問題[7]也可以轉(zhuǎn)換成Max-SAT問題進(jìn)行求解。目前,求解Max-SAT問題的算法一般分為基于回溯機(jī)制的完備性算法和基于局部搜索的非完備算法。完備性算法可以保證找到最優(yōu)解,主要代表有WmaxSatz[8]、MiniMaxSat[9]等,但在求解大規(guī)模問題時(shí),由于復(fù)雜度高,難以在合理時(shí)間內(nèi)找到結(jié)果,求解效率
鄭州大學(xué)學(xué)報(bào)（理學(xué)版） 2023年4期2023-05-16
- 命題邏輯中一類擴(kuò)展子句消去方法
1)1 預(yù)備知識(shí)子句集的簡化是命題邏輯可滿足性判定的重要研究方向,研究子句集冗余性質(zhì)能提高求解器的求解能力和效率,可滿足性判定過程中刪除冗余子句，已被國內(nèi)外學(xué)者廣泛研究[1-4].目前，命題邏輯子句集的冗余性質(zhì)的研究主要分為2種[5]:基于邏輯等價(jià)的冗余性質(zhì)和基于可滿足性等價(jià)的冗余性質(zhì).早期基于邏輯等價(jià)的冗余子句的消去方法主要有恒真消去[6](tautology elimination)和包含消去[7](subsume elimination).Heule
- 最簡句法框架下漢語比較關(guān)聯(lián)結(jié)構(gòu)子句關(guān)系分析
的比較關(guān)聯(lián)結(jié)構(gòu)各子句之間的句法關(guān)系，并對(duì)相關(guān)特殊句法實(shí)例加以分析，從而驗(yàn)證約束原則和分裂假說的跨語言的強(qiáng)解釋力。二、漢語比較關(guān)聯(lián)結(jié)構(gòu)的基本語法特征不同語言的比較關(guān)聯(lián)結(jié)構(gòu)有其共性和個(gè)性。比較關(guān)聯(lián)結(jié)構(gòu)通常由兩個(gè)或兩個(gè)以上子句組成，第一個(gè)為C1，如“你越生氣，他越高興”中的“你越生氣”。第二個(gè)為C2，如“你越生氣，他越高興”中的“他越高興”。目前的研究多以兩個(gè)子句的比較關(guān)聯(lián)結(jié)構(gòu)為主，兩個(gè)子句之間的線性關(guān)系和順序在不同語言中存在差異。比較關(guān)聯(lián)結(jié)構(gòu)兩個(gè)子句中有標(biāo)記詞
社會(huì)科學(xué)家 2022年8期2022-12-23
- 文本情感原因自動(dòng)提取綜述
產(chǎn)生原因的事件、子句、短語或詞.不同學(xué)者從不同的學(xué)科和角度出發(fā)，對(duì)情感原因的理解也不盡相同.考慮到一些文獻(xiàn)中將“情感”和“情緒”視為2種完全不同的概念，本文中所指的“情感”是更為廣義的概念，它既包括普通的正向、負(fù)向和中性的情感含義，也包括高興、生氣、害怕等具體層面的情緒含義.由于觸發(fā)情感的原因事件可能是名詞短語、動(dòng)詞短語，也可能是由若干個(gè)短語組成的短句，這其中涉及許多復(fù)雜的語言學(xué)知識(shí)，造成傳統(tǒng)的短語級(jí)情感原因提取任務(wù)復(fù)雜度大、提取準(zhǔn)確率不高.因此，2016
計(jì)算機(jī)研究與發(fā)展 2022年11期2022-11-12
- Sen-BiGAT-Inter: 情緒原因?qū)Τ槿》椒?/a>
ECE任務(wù)定義為子句級(jí)別。目前，該語料庫已受到研究者的廣泛關(guān)注，并成為ECE任務(wù)的基準(zhǔn)數(shù)據(jù)集。然而，對(duì)于ECE任務(wù)，需要首先標(biāo)注子句的情緒，從而限制了ECE任務(wù)的實(shí)際應(yīng)用，另一方面，再對(duì)情緒進(jìn)行標(biāo)注時(shí)，并沒有考慮情緒與原因之間的相互聯(lián)系。因此，Xia等[3]提出了情緒原因?qū)Τ槿?ECPE)任務(wù)，其目標(biāo)是抽取文檔中潛在的情緒子句及其對(duì)應(yīng)的原因子句。例如，表1給出一個(gè)情緒原因?qū)Τ槿〉氖纠?。? 情緒原因?qū)Τ槿∈纠?中包括了文檔的四個(gè)子句，其中，子句c3為情緒
中文信息學(xué)報(bào) 2022年5期2022-06-21
- 混合exactly-one約束的模型計(jì)數(shù)研究
要引入大量的二元子句.Exactly-one約束越多越復(fù)雜,轉(zhuǎn)化得到的CNF公式越龐大,求解時(shí)間呈指數(shù)增長.顯然,需要更好的方法來解決上述問題.本文從還原CNF公式中exactly-one約束和直接處理exactly-one約束兩方面,對(duì)模型計(jì)數(shù)算法進(jìn)行改進(jìn).目標(biāo)是縮小CNF公式的規(guī)模,提高模型計(jì)數(shù)器求解效率.本文提出的算法ECR(exactly-one constraint recognition)能從CNF公式中識(shí)別exactly-one約束.目前C2
- 基于上下文和位置交互協(xié)同注意力的文本情緒原因識(shí)別
捕獲每個(gè)候選原因子句和情緒子句之間的交互關(guān)系，但忽略了文本中候選原因子句的上下文語義信息?？紤]子句的相對(duì)位置信息，Xia等人[16]將相對(duì)位置嵌入向量連接到子句的表示中，這種方法對(duì)相對(duì)位置信息的利用較弱，對(duì)候選原因子句的分類影響較小，且增加了特征維數(shù)，可能會(huì)導(dǎo)致過擬合。為了解決語義和相對(duì)位置信息利用不充分的問題，本文在CANN方法的基礎(chǔ)上提出一種基于上下文和位置交互的協(xié)同注意力神經(jīng)網(wǎng)絡(luò)模型(CPC-ANN)，該模型先將相對(duì)位置信息編碼到子句的每個(gè)詞向量中，
中文信息學(xué)報(bào) 2022年2期2022-04-12
- 基于不完全算法的并行FPGA SAT求解器*
當(dāng)前賦值不滿足的子句、變?cè)跏假x值。Figure 1 Flow chart of SAT solving system圖1 SAT求解的流程圖對(duì)軟件求解器來說，并行求解算法主要是使用不同的種子和參數(shù)在不同的 CPU 核上執(zhí)行多個(gè)任務(wù)，以達(dá)到并行求解的目的。本文提出的基于不完全算法的并行多線程求解器就是基于這個(gè)概念，它是文獻(xiàn)[7]提出的基于概率分布的單線程FPGA SAT求解器在實(shí)現(xiàn)方式上的進(jìn)一步延伸。本文提出的基于不完全算法的并行多線程求解器的基本思想是，
計(jì)算機(jī)工程與科學(xué) 2021年12期2021-12-23
- 基于混合排序填充網(wǎng)絡(luò)的文本到指令序列翻譯
立任務(wù)：預(yù)測選擇子句所涉及的列Sc，條件子句中所涉及的列Wc，排序子句中所涉及的列Oc和完整SQL 語句中所涉及的列Rc；（2）列相關(guān)任務(wù)：預(yù)測函數(shù)運(yùn)算符aggregation、條件操作符operator、條件對(duì)應(yīng)的值value、條件對(duì)應(yīng)值的個(gè)數(shù)value_num等；（3）結(jié)構(gòu)相關(guān)任務(wù)：預(yù)測集合運(yùn)算符rel，連接運(yùn)算符link等。2.3.3 列與問句相似度計(jì)算對(duì)于問句q，記Sc是在選擇子句select_clause中所涉及的列；Wc是在條件子句where_
智能計(jì)算機(jī)與應(yīng)用 2021年6期2021-12-17
- 句法復(fù)雜性測量指標(biāo)研究：回顧、反思與展望
ntence)、子句(clause)和T單位(T-unit)長度等。尤其是“T單位”長度，備受學(xué)界關(guān)注。1.單位長度概念為加深對(duì)該領(lǐng)域研究的理解，首先有必要厘清句子、子句和T單位等單位長度的概念。第一，句子指由主謂結(jié)構(gòu)構(gòu)成，且意義完整的一組詞，其概念清晰，無需贅述。第二，子句包含獨(dú)立子句 (independent clause) 和從屬子句 (dependent clause)。獨(dú)立子句，又稱主句(main clause)是本身能表達(dá)完整意思的句子；而從屬
- 基于局部搜索的并行擴(kuò)展規(guī)則推理方法?
補(bǔ)方法,通過尋找子句的極大項(xiàng)來判斷CNF 公式的可滿足性.他提出的ER 算法得到了國內(nèi)外的廣泛認(rèn)可,并為日后的研究打下了堅(jiān)實(shí)的基礎(chǔ).基于ER 的算法,Lin、Wu、李瑩和張立明等人分別提出了IER[11],RER[12],NER[13],SER[14]等算法,將完備的ER 算法的求解效率提升了幾個(gè)數(shù)量級(jí)的高度.在擴(kuò)展規(guī)則的應(yīng)用方面,2010年,殷明浩等人在可能性擴(kuò)展規(guī)則的基礎(chǔ)上提出了EPPCCCL理論,可作為可能性知識(shí)編譯的目標(biāo)語言[15].2016年,劉
軟件學(xué)報(bào) 2021年9期2021-11-09
- 基于MiniSAT的命題極小模型計(jì)算方法
中滿足(不滿足)子句的數(shù)量極大化(極小化).隨著MaxSAT技術(shù)的不斷發(fā)展，MaxSAT問題在Android惡意軟件檢測[3]、排課[4]和診斷[5]等問題中都得到了很好的應(yīng)用.MUS是SAT問題的擴(kuò)展，是計(jì)算一個(gè)公式集的極小不可滿足公式子集，其所有真子集均是可滿足的.在現(xiàn)實(shí)中許多重要問題可以編碼為MUS問題進(jìn)行求解[6-8].基于極小模型的推理一直是人工智能研究的重要主題[9-11].極小模型也是回答集程序設(shè)計(jì)(answer set programmin
計(jì)算機(jī)研究與發(fā)展 2021年11期2021-11-05
- 基于FastText和關(guān)鍵句提取的中文長文本分類①
-Rank 關(guān)鍵子句提取的FastText 分類方法(簡稱KSFastText).該方法使用TextRank 提取長文本的關(guān)鍵子句,將文本的關(guān)鍵子句標(biāo)上相應(yīng)的標(biāo)簽作為獨(dú)立句子輸入FastText 模型中訓(xùn)練,以減少文本中無關(guān)詞的影響程度;之后采用TF-IDF 算法提取文本的關(guān)鍵詞,將關(guān)鍵詞詞組作為模型的補(bǔ)充特征輸入模型訓(xùn)練.在結(jié)果預(yù)測時(shí),對(duì)目標(biāo)文本也進(jìn)行關(guān)鍵子句提取,并對(duì)各個(gè)子句的預(yù)測標(biāo)簽加權(quán)綜合判斷目標(biāo)文本的分類.2 相關(guān)工作2.1 FastText 模
計(jì)算機(jī)系統(tǒng)應(yīng)用 2021年8期2021-09-10
- 情感子句預(yù)測與原因子句提取方法
了一個(gè)帶標(biāo)注且以子句作為原因提取基本單元的語料庫，并提出了一種基于事件驅(qū)動(dòng)的多核SVM情感原因提取方法。即使訓(xùn)練集有限，仍然可以提取足夠的特征進(jìn)行分析。Li X等[18]認(rèn)為情感子句與原因子句之間有相互作用的關(guān)系，于是提出了一種基于多注意力的神經(jīng)網(wǎng)絡(luò)模型(MANN)來捕捉情感分句與候選分句之間的相互關(guān)系。傳統(tǒng)的情感原因提取需要預(yù)先標(biāo)注情感標(biāo)簽，該方式增加了人工成本，限制了情感原因提取任務(wù)在現(xiàn)實(shí)中的使用。為此Xia R等[19]提出情感-原因?qū)μ崛》椒↖nt
計(jì)算機(jī)工程與設(shè)計(jì) 2021年8期2021-08-23
- 基于ECPA神經(jīng)網(wǎng)絡(luò)的情緒原因識(shí)別方法
被手動(dòng)分割成多個(gè)子句c，D={c-3…,c-1,c0,c1,c2,…，cm}，子句由逗號(hào)、問號(hào)、感嘆號(hào)、句號(hào)進(jìn)行分割。對(duì)于任一子句c={w1,w2,…,wn}包含n個(gè)詞，情緒原因識(shí)別任務(wù)主要在于識(shí)別哪個(gè)子句中包含情緒原因。子句示例信息如表1所示，同時(shí)，本文給出數(shù)據(jù)集中關(guān)于情緒子句的情緒分布和位置分布的統(tǒng)計(jì)信息，具體如表2和表3所示。表1 情緒原因識(shí)別示例表表2 情緒類別信息分布表表3 情緒原因與情緒表達(dá)相對(duì)位置信息分布表其中，表1為情緒原因的具體示例。該文
中文信息學(xué)報(bào) 2021年6期2021-07-23
- 學(xué)術(shù)論文子句語義類型自動(dòng)標(biāo)注技術(shù)研究
認(rèn)為，論文中所有子句可以分為事實(shí)（Fact）、假設(shè)（Hypothesis）、問題（Problem）、方法（Method）、結(jié)果（Result）、意義（Ⅰmplication）和目標(biāo)（Goal）7種類型。以Huang等[8]一篇論文的片段為例，其劃分出的子句包括：Although parallel browsing is more prevalent than linear browsing online(Fact),little is known abou
情報(bào)學(xué)報(bào) 2021年6期2021-07-17
- 基于知識(shí)圖譜的查詢語句重寫機(jī)制及方法
格與Horn邏輯子句[11]相似, 本質(zhì)上是對(duì)事實(shí)和規(guī)則的描述性語言。由于重寫機(jī)制主要采用了歸結(jié)消解方法, 而Prolog就是基于歸結(jié)原理的一種邏輯程序語言, 因此將SPARQL語言轉(zhuǎn)換為Prolog語言, 方便用于查詢語句重寫的實(shí)現(xiàn)。歸結(jié)會(huì)將原有查詢語言中不必要和多余的條件消解, 從而可得到更多的推理結(jié)果, 同時(shí)還可以提高查詢效率。最后將得到的Prolog語言的結(jié)果再轉(zhuǎn)換為SPARQL, 即得到了想要的重寫后的SPARQL查詢語句。例如, 1.1節(jié)中的S
- 子句級(jí)別的自注意力機(jī)制的情感原因抽取模型
表明，考慮文檔中子句級(jí)別的信息可以提高情感分析任務(wù)尤其是情感原因抽取任務(wù)的性能．近幾年，在該任務(wù)上的研究取得了一定的成果[8-12]．圖1展示了子句級(jí)的情感原因抽取的基準(zhǔn)數(shù)據(jù)集[13]中的一個(gè)例子．被標(biāo)注了“激動(dòng)”的情感標(biāo)簽的文檔中包含了8個(gè)子句，其中子句C3描述了該情感，被標(biāo)注為“激動(dòng)”情感子句．子句C2是情感子句C3產(chǎn)生的原因，被標(biāo)注為C3的原因子句．因此，子句級(jí)的情感原因抽取任務(wù)可以看作一個(gè)子句分類問題．根據(jù)給定的情感標(biāo)注，判斷文檔中的每個(gè)子句是否包
- 命題邏輯可滿足性問題求解器的新型預(yù)處理子句消去方法
輯可滿足性問題。子句集化簡一直是命題邏輯表示的可滿足性問題求解方法重要的研究方向之一，在當(dāng)前主流的命題求解器中子句集化簡是不可或缺的部分。子句消去方法是簡化命題邏輯子句集非常重要的方法，通過刪除子句集中的冗余子句，可以簡化子句集，加快命題邏輯可滿足性問題求解器的求解速度，特別對(duì)于由現(xiàn)實(shí)問題轉(zhuǎn)化而來的大規(guī)模命題邏輯可滿足性問題，其子句集中包含有大量冗余子句，如果不進(jìn)行處理，則可能導(dǎo)致后續(xù)命題邏輯求解過程在錯(cuò)誤的路徑上打轉(zhuǎn)，大量浪費(fèi)時(shí)間和內(nèi)存，因此在求解初期對(duì)
計(jì)算機(jī)集成制造系統(tǒng) 2020年8期2020-09-11
- 自然語言生成多表SQL查詢語句技術(shù)研究*
成的部分SQL 子句提及的表和數(shù)據(jù)庫模式圖，采用了一種全局最優(yōu)的算法來生成FROM子句中多表的JOIN路徑；（3）通過在一個(gè)開放的復(fù)雜自然語言生成SQL的數(shù)據(jù)集Spider上與其他多種模型的對(duì)比，本文方法具有更高的準(zhǔn)確率。2 相關(guān)工作盡管自然語言查詢接口已經(jīng)發(fā)展了很長一段時(shí)間，但要準(zhǔn)確地理解自然語言查詢中的語義依舊是一個(gè)具有挑戰(zhàn)性的問題。早期的NL2SQL 需要針對(duì)不同的數(shù)據(jù)庫來人工制定相應(yīng)的語法和語義規(guī)則，但此方法缺乏遷移性和擴(kuò)展性[2]。更傾向于構(gòu)建與
計(jì)算機(jī)與生活 2020年7期2020-07-10
- 漢語和泰語關(guān)系子句的對(duì)比研究
題，其中漢語關(guān)系子句可算是泰國學(xué)生很容易犯錯(cuò)誤的語法點(diǎn)之一。漢語關(guān)系子句之所以難，是因?yàn)闈h語和泰語的關(guān)系子句和其修飾語的位置不同，漢語中關(guān)系子句在其被修飾語之前，而泰語則是關(guān)系子句在被修飾語之后。例如：漢語：這是我想要看的電影。筆者在任教期間，發(fā)現(xiàn)泰國學(xué)生由于漢語和泰語的關(guān)系子句的詞序不同，導(dǎo)致學(xué)生在初級(jí)階段由于母語的負(fù)遷移的干擾而經(jīng)常犯語法錯(cuò)誤。本文將深入探討與研究，以做出更為合理和具體的解釋，指導(dǎo)學(xué)生的使用和課堂教學(xué)。1 文獻(xiàn)探討1.1 中文文獻(xiàn)陳純音
海外文摘·藝術(shù) 2020年3期2020-06-13
- 文本情緒原因檢測研究綜述
將文本分割為多個(gè)子句，在已知情緒表達(dá)的情況下，識(shí)別文本中的子句是否包含情緒原因。如例句1，已知“傷心”的情緒，識(shí)別目標(biāo)是原因所在子句“卻被告知丈夫殉職的噩耗”。1.2 規(guī)則方法文獻(xiàn)[1]首次提出情緒原因檢測任務(wù)，基于Sinica語料庫構(gòu)建了一個(gè)較小的情緒原因數(shù)據(jù)集[1]，通過觀察、分析數(shù)據(jù)集，總結(jié)出與文本情緒原因有關(guān)的常見使役動(dòng)詞、原因連詞、感知?jiǎng)釉~、連詞、其他線索詞等，歸納了七組語言學(xué)線索，并構(gòu)建相應(yīng)的規(guī)則系統(tǒng)。隨著社交媒體的發(fā)展，情緒原因檢測在微博文本
現(xiàn)代計(jì)算機(jī) 2020年6期2020-04-01
- 基于變量混合特征的分支啟發(fā)式策略①
4]、沖突分析與子句學(xué)習(xí)機(jī)制[5,6]以及周期性重啟[7]等技術(shù),使得完備算法處理可解決的SAT 問題越來越多.近年來發(fā)展出很多沖突驅(qū)動(dòng)型的CDCL 求解器,如Chaff[8]、Zchaff[9]、Minisat[10]、Glucose[11]等,這些求解器已經(jīng)在大規(guī)模實(shí)際領(lǐng)域的問題中得到廣泛應(yīng)用.本文結(jié)構(gòu)如下:第1 節(jié)介紹SAT 問題的相關(guān)知識(shí);第2 節(jié)介紹了幾種分支啟發(fā)式策略;第3 節(jié)引出新的決策啟發(fā)式及其具體算法;第4 節(jié)對(duì)比測試與實(shí)驗(yàn)分析;最后總結(jié)
計(jì)算機(jī)系統(tǒng)應(yīng)用 2020年3期2020-03-18
- 基于重啟策略的學(xué)習(xí)子句優(yōu)化方法
求解技術(shù)的發(fā)展,子句學(xué)習(xí)技術(shù)進(jìn)入了蓬勃發(fā)展的階段[1].對(duì)于現(xiàn)實(shí)問題,子句學(xué)習(xí)(clause learning)是DPLL求解中最重要的部分[2].在實(shí)踐中,SAT的求解效率很大程度上取決于對(duì)已學(xué)習(xí)子句數(shù)據(jù)庫的管理策略.即發(fā)生沖突后,新子句添加到已學(xué)習(xí)的子句數(shù)據(jù)庫中,其增長規(guī)模是呈指數(shù)增長的.保留太多的學(xué)習(xí)子句會(huì)減緩單元傳播的速率,而刪除太多將會(huì)破壞學(xué)習(xí)的整體性[3].所以,優(yōu)化目標(biāo)在于清除掉已學(xué)習(xí)子句數(shù)據(jù)庫中被判定為在以后的搜索中無關(guān)的已學(xué)習(xí)子句.學(xué)習(xí)子
- MySQL數(shù)據(jù)庫中g(shù)roup by語句與update語句的用法研究
roup by 子句指定按照哪些列進(jìn)行分組。2.可以按照一列進(jìn)行分組，也可以按照多列進(jìn)行分組。按多列分組時(shí)，各列名之間用逗號(hào)分隔。3.在使用group by子句時(shí)，select子句中的任意一列要么包含在聚合函數(shù)中，要么必須在group by子句中出現(xiàn)過。(三)實(shí)例要求從teacher表中，查詢各個(gè)系男、女教師的人數(shù)，其中teacher表的關(guān)系模式如下所示：teacher(tno, tname, cno, sal, dname, tsex, tage)sel
傳播力研究 2019年27期2019-09-27
- 基于轉(zhuǎn)移的中文篇章結(jié)構(gòu)解析研究
點(diǎn),自底向上地將子句(即篇章基本單元，以下簡稱子句)在連接詞的驅(qū)動(dòng)下組合為一棵篇章結(jié)構(gòu)樹，用連接詞表征篇章關(guān)系的類型，并在內(nèi)部節(jié)點(diǎn)中標(biāo)出篇章關(guān)系和核心位置。針對(duì)該語料構(gòu)建自動(dòng)篇章解析器可以大致劃分為三個(gè)子任務(wù)： ①子句的自動(dòng)分割，也就是篇章基本單元(EDU)的識(shí)別；②篇章樹形結(jié)構(gòu)的解析，即以段落為基本單元，迭代地將EDU構(gòu)建成上層節(jié)點(diǎn)，并最終組織成一棵獨(dú)立的篇章樹；③篇章關(guān)系識(shí)別與分類，即判別聯(lián)接形成上層節(jié)點(diǎn)的EDU間表達(dá)的邏輯語義關(guān)系。其中，中文篇章關(guān)系
中文信息學(xué)報(bào) 2018年12期2019-01-22
- 基于任務(wù)分配與調(diào)度的GSAT算法求解3-SAT問題
的基礎(chǔ)上，引進(jìn)了子句權(quán)重的概念，實(shí)驗(yàn)表明其性能優(yōu)于WalkGSAT，尤其對(duì)于結(jié)構(gòu)SAT問題。2002年林智勇等人[16]提出的Learning+Weighting+GSAT算法和2010年Bouhmala等人[17]提出的LA-GSATRW算法都是在GSAT算法的基礎(chǔ)上進(jìn)行了改進(jìn)，但是其優(yōu)勢不是很明顯。2015年張玉安等人[8]將局部搜索的GSAT算法與具有全局搜索的改進(jìn)遺傳算法相結(jié)合，明顯彌補(bǔ)了GSAT算法容易出現(xiàn)早熟的缺點(diǎn)，該算法的實(shí)驗(yàn)結(jié)果表明其性能得
計(jì)算機(jī)工程與科學(xué) 2018年8期2018-08-23
- 基于演繹長度的學(xué)習(xí)子句刪除策略
量的析取組成一個(gè)子句，若子句中至少存在一個(gè)變量賦值為1，則該子句是可滿足的。由一個(gè)或多個(gè)子句的合取構(gòu)成合取范式（Conjunction Normal Form，CNF），SAT問題一般可轉(zhuǎn)化成CNF表示。判定SAT問題的滿足性是指若存在一組變量賦值{x1,x2,…,xN}（N為子句集F中的變量個(gè)數(shù)），使得子句集F中所有的子句都是可滿足的，則子句集F是可滿足的，或者給出證明，對(duì)于變量的任何賦值，子句集F都是不可滿足的。近年來，SAT問題的判定技術(shù)也應(yīng)用在實(shí)際
計(jì)算機(jī)工程與應(yīng)用 2018年16期2018-08-20
- 結(jié)合短語結(jié)構(gòu)句法的語義角色標(biāo)注
(含有并列結(jié)構(gòu)、子句、從句等)僅僅依靠一些特征進(jìn)行語義角色標(biāo)注依然存在問題。針對(duì)句子結(jié)構(gòu)比較復(fù)雜的問題，本文提出結(jié)合短語結(jié)構(gòu)句法樹對(duì)句子進(jìn)行處理，包括剪枝、子句抽取、論元邊界修正。當(dāng)句子中含有并列結(jié)構(gòu)時(shí)，用并列結(jié)構(gòu)中的第一個(gè)并列成分代替整個(gè)并列結(jié)構(gòu)，將第二個(gè)并列成分剪枝。在對(duì)句子進(jìn)行子句抽取時(shí)，引入了相容與不相容的概念?？梢詫⒄Z義角色之間的關(guān)系分為兩類： ①論元相容： 兩個(gè)語義角色同屬于一個(gè)謂詞； ②論元不相容： 兩個(gè)語義角色分別屬于不同的謂詞[5]。對(duì)句
中文信息學(xué)報(bào) 2018年6期2018-07-18
- 基于不可滿足原因的最小糾正集求解*
文提出了不可滿足子句中的沖突算法CUC(Conflict in Unsatisfiable Clauses)，一種基于不可滿足原因計(jì)算MCS的方法。CUC首先根據(jù)初始賦值，將公式分為可滿足的子公式集合S和不可滿足的子公式集合U。然后通過提取U中所出現(xiàn)的文字L(U)，并對(duì)L(U)進(jìn)行分組，迭代判斷L(U)中是否有文字可以加入到S中。當(dāng)發(fā)現(xiàn)可加入的文字后，將所有出現(xiàn)該文字的子句從U中刪除，并加入到S中。直到U中沒有任何可加入S中的文字，當(dāng)前的U子句集合即為MC
計(jì)算機(jī)工程與科學(xué) 2018年6期2018-07-05
- 基于E-CNN的情緒原因識(shí)別方法
于出現(xiàn)情緒的核心子句的前后兩個(gè)子句中，Sophia Yat Mei Lee[10]同樣根據(jù)對(duì)標(biāo)注的語料分析，獲得情緒原因信息大多位于出現(xiàn)情緒的核心子句的上下文信息中。為了獲得這些情緒原因，研究人員主要采用基于規(guī)則和基于統(tǒng)計(jì)的方法?；谝?guī)則的情緒原因識(shí)別方法方面，Ying Chen[10]和Sophia Yat Mei Lee[10-11]等人建立了一個(gè)情緒歸因的語料庫，并且根據(jù)標(biāo)注的語料庫建立了相應(yīng)的規(guī)則，用于情緒原因子句的識(shí)別。Kai Gao[13]等人
中文信息學(xué)報(bào) 2018年2期2018-04-16
- SQL統(tǒng)計(jì)標(biāo)準(zhǔn)題錄的常用方法
BY、INTO等子句，靈活運(yùn)用這些子句，可以滿足大多數(shù)的數(shù)據(jù)統(tǒng)計(jì)。本文以標(biāo)準(zhǔn)題錄表std_title和起草單位表std_draft_unit為例，說明SQL的統(tǒng)計(jì)功能。兩個(gè)表的字段屬性參見表2和表3[2-3]。表2 表std_title字段屬性表3 表std_draft_unit字段屬性3 使用聚組函數(shù)的統(tǒng)計(jì)SELECT語句使用聚組函數(shù)進(jìn)行數(shù)據(jù)統(tǒng)計(jì)的簡易語法是：SELECT ＜ 聚組函數(shù) ＞(＜ 字段名 ＞) [, ...] FROM ＜ 表名 ＞ WHE
質(zhì)量探索 2017年5期2018-01-24
- 基于動(dòng)態(tài)獎(jiǎng)懲的分支策略的SAT完備算法
074)針對(duì)學(xué)習(xí)子句數(shù)量有限或相似度高導(dǎo)致歷史信息有限、搜索樹不平衡的問題，提出了基于動(dòng)態(tài)獎(jiǎng)懲的分支策略。首先，對(duì)每次單子句傳播的變?cè)M(jìn)行懲罰，依據(jù)變?cè)欠癞a(chǎn)生沖突和產(chǎn)生沖突的間隔，確立不同的懲罰函數(shù);其次，在學(xué)習(xí)階段，利用學(xué)習(xí)子句確定對(duì)構(gòu)造沖突有益的變?cè)蔷€性增加它們的活躍度;最后，選擇活躍度最大的變?cè)鳛樾路种ё冊(cè)?。在glucose3.0算法基礎(chǔ)上，完成了改進(jìn)的動(dòng)態(tài)獎(jiǎng)懲算法——AP7。實(shí)驗(yàn)結(jié)果表明，相比glucose3.0算法，AP7算法的剪枝率提高
計(jì)算機(jī)應(yīng)用 2017年12期2018-01-08
- 漢語里定式句和非定式句劃分
發(fā)現(xiàn)區(qū)分漢語定式子句和非定式子句的特征，即情態(tài)特征和體貌特征。”②據(jù)此，黃正德先生把漢語動(dòng)詞分為兩類：一類是“說”類動(dòng)詞，如“相信”、“知道”、“告訴”等，這類動(dòng)詞后的子句為定式子句。另一類是“控制”類動(dòng)詞，如“準(zhǔn)備”、“設(shè)法”、“勸”、“逼”、“邀請(qǐng)”等，這類動(dòng)詞后的子句為非定式子句，其依據(jù)是這類動(dòng)詞后的子句既不能帶情態(tài)詞又不能帶體貌詞。而徐烈炯先生則是反對(duì)黃正德先生的觀點(diǎn)，他認(rèn)為黃正德以情態(tài)特征和體貌特征作為區(qū)分漢語的定式子句和非定式子句的標(biāo)準(zhǔn)完全是人
小品文選刊 2017年14期2017-11-25
- 基于混合蟻群遺傳算法的SAT問題求解
，通過改變不滿足子句中文字的取值，增加變異算子。最后選取標(biāo)準(zhǔn)測試集中的20個(gè)實(shí)例對(duì)算法進(jìn)行測試，實(shí)驗(yàn)結(jié)果表明：改進(jìn)后的算法通常僅通過較少次數(shù)的迭代就能找到解，能夠有效避免蟻群算法和遺傳算法過早收斂的缺點(diǎn)，具有較強(qiáng)的尋優(yōu)能力?？蓾M足性問題；混合蟻群遺傳算法；進(jìn)化算子；變異算子可滿足性問題(Satisfiability Problem, SAT)是第一個(gè)被Cook定理證明的NP完全問題，即多項(xiàng)式復(fù)雜程度的非確定性問題，判定對(duì)于一個(gè)命題范式，是否存在一組范式中變
大連民族大學(xué)學(xué)報(bào) 2017年3期2017-06-06
- 一種利用語義相似特征提升細(xì)粒度情感分析方法
文檔級(jí)、句子級(jí)、子句級(jí)和短語級(jí)。文檔級(jí)的情感分析旨在對(duì)整個(gè)文檔分成正面、負(fù)面及中立，其主要應(yīng)用在微博等短文本中[2-3]，但在長文本中則顯得比較粗糙，因此細(xì)粒度的情感分析應(yīng)運(yùn)而生。例如，文獻(xiàn)[4]針對(duì)句子級(jí)的情感分析提出了一系列的方法來挖掘產(chǎn)品評(píng)論；文獻(xiàn)[5]采用兩步策略分析短語的情感傾向。由于一個(gè)句子中可能表達(dá)不止一種情感傾向，因此本文選擇子句級(jí)的情感分析粒度。子句級(jí)的情感分析最重要的預(yù)處理工作是子句分隔，文獻(xiàn)[6]選擇語篇分隔理論作為基本的分類單元；文
計(jì)算機(jī)應(yīng)用與軟件 2017年3期2017-04-14
- SAT問題子句消去法快速求解
00）SAT問題子句消去法快速求解姜詠江1，陳躍2（1. 對(duì)外經(jīng)濟(jì)貿(mào)易大學(xué)離退休處，北京朝陽，100013；2. 西安交通大學(xué)，陜西西安，710000）布爾可滿足性問題（SAT）是最基本的NPC問題，直接涉及到集成電路設(shè)計(jì)優(yōu)化、生物基因、人工智能、互聯(lián)網(wǎng)等諸多領(lǐng)域的快速計(jì)算。給出了一種子句消去法，運(yùn)用限位數(shù)、子句塊和關(guān)聯(lián)段等概念，探索出了用確定法則快速求出SAT滿足解的計(jì)算方法，為純離散變量計(jì)算找到了一種新途徑。SAT問題；限位數(shù)；子句消去法；子句塊；關(guān)聯(lián)
工業(yè)技術(shù)創(chuàng)新 2016年6期2017-01-20
- 命題模態(tài)邏輯S5系統(tǒng)中并行推理方法*
代表性的標(biāo)準(zhǔn)模態(tài)子句集的特性進(jìn)行了分析，提出了一種基于擴(kuò)展規(guī)則方法的命題模態(tài)邏輯推理算法（propositional modal clausal reasoning based on novel extension rule，PMCRNER）。針對(duì)樸素算法時(shí)間復(fù)雜度較高的問題，利用任務(wù)間潛在的關(guān)聯(lián)性對(duì)算法同時(shí)進(jìn)行了粗粒度與細(xì)粒度并行化，提出了并行算法PPMCRNER（parallel PMCRNER）理論框架，并且與基本算法進(jìn)行了對(duì)比。實(shí)驗(yàn)結(jié)果表明，PPM
計(jì)算機(jī)與生活 2016年12期2016-12-19
- 一種布爾子句的兩階段聚類方法
071)一種布爾子句的兩階段聚類方法范全潤1,段振華1,2(1.西安電子科技大學(xué)計(jì)算理論與技術(shù)研究所,陜西西安 710071; 2.西安電子科技大學(xué)綜合業(yè)務(wù)網(wǎng)理論及關(guān)鍵技術(shù)國家重點(diǎn)實(shí)驗(yàn)室,陜西西安 710071)針對(duì)布爾子句的聚類問題,根據(jù)合取范式布爾子句的特點(diǎn),提出了一種兩階段的子句聚類方法.初始時(shí)每個(gè)子句被看作1個(gè)簇,第1階段的聚類采用基于連接的方法,根據(jù)兩個(gè)子句或者子句組之間的共同鄰居的個(gè)數(shù)來決定是否要合并它們;第2階段根據(jù)子句或者子句組之間的相似度
西安電子科技大學(xué)學(xué)報(bào) 2016年3期2016-12-07
- 基于隨機(jī)方法和優(yōu)化的DPLL算法的測試用例自動(dòng)生成技術(shù)研究
間裁剪引起變化的子句進(jìn)行局部統(tǒng)計(jì)，且根據(jù)變量對(duì)整個(gè)空間的貢獻(xiàn)情況，動(dòng)態(tài)調(diào)整變量的權(quán)值，從而顯著提高求解效率。1 基本知識(shí)1.1SAT問題給定合取范式F，問是否存在變量的某種賦值，使得F的值為真。如果變量存在這樣的賦值，則稱F是可滿足的；如果變量的任意賦值F都為永假式，則稱F是不可滿足的。在人類為大規(guī)模計(jì)算問題尋求高效率算法的努力過程中，可滿足問題扮演了重要角色，例如可用于規(guī)劃調(diào)度、對(duì)光纖的布線、尋找蛋白質(zhì)的折疊態(tài)以及對(duì)計(jì)算機(jī)芯片進(jìn)行驗(yàn)證等[9]?？蓾M足問題
化工自動(dòng)化及儀表 2016年9期2016-11-22
- 基于醫(yī)學(xué)領(lǐng)域的漢英子句對(duì)齊語料庫檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)
于醫(yī)學(xué)領(lǐng)域的漢英子句對(duì)齊語料庫檢索系統(tǒng)的設(shè)計(jì)與實(shí)現(xiàn)王全蕊,李艷翠（河南科技學(xué)院,河南新鄉(xiāng)453003）漢英平行語料庫檢索系統(tǒng)在自動(dòng)文摘、問答系統(tǒng)、機(jī)器翻譯等領(lǐng)域的重要性越來越突出.為了提高漢英互譯的精確性,系統(tǒng)采用JSP技術(shù)作為后臺(tái)開發(fā)語言,以MySQL為后臺(tái)數(shù)據(jù)庫,設(shè)計(jì)并開發(fā)了基于醫(yī)學(xué)領(lǐng)域的漢英子句對(duì)齊語料庫檢索系統(tǒng).語料庫檢索平臺(tái)具有良好的用戶界面,充分利用已有標(biāo)注結(jié)果,滿足用戶在子句層面上的對(duì)齊查詢、統(tǒng)計(jì)分析等功能.系統(tǒng)既可用于漢英子句的對(duì)比、翻譯、
- 認(rèn)知表達(dá)式與蓋提爾論題
認(rèn)知詞使認(rèn)知句中子句的語境發(fā)生變化，從而使認(rèn)知句的真之條件復(fù)雜化。著名的蓋提爾論題比較典型地反映了與此相關(guān)的問題。認(rèn)識(shí)認(rèn)知句的真之條件，不僅有助于我們認(rèn)識(shí)這一類句式的特征和意義，而且有助于相關(guān)的哲學(xué)討論，包括認(rèn)識(shí)蓋提爾論述可能會(huì)涉及的諸種問題。認(rèn)知詞；句子圖式；知道；蓋提爾論題語言表達(dá)是有層次的，層次不同會(huì)導(dǎo)致語境的變化，因而影響到句子的真假。比如，“亞里士多德是哲學(xué)家”是一個(gè)簡單句，“哲學(xué)家都是聰明人”是一個(gè)量詞句。由于涉及量詞，這兩個(gè)句子之間是有區(qū)別的
外語學(xué)刊 2016年5期2016-03-13
- 命題邏輯的子句集中文字的分類
31）命題邏輯的子句集中文字的分類鄧鵬1，2，徐揚(yáng)1，2（1．西南交通大學(xué)數(shù)學(xué)學(xué)院，四川成都611756；2．西南交通大學(xué)智能控制開發(fā)中心，四川成都610031）檢測和消除命題邏輯公式中的冗余文字，是人工智能領(lǐng)域廣泛研究的基本問題。針對(duì)命題邏輯的子句集中子句的劃分，結(jié)合冗余子句和冗余文字的概念，將命題邏輯的子句集中的文字分為必需文字、有用文字和無用文字3類，并分別給出其定義。討論3種文字與無冗余等價(jià)子集的性質(zhì)，給出其等價(jià)子集的等價(jià)描述方法。得到題邏輯的子句
智能系統(tǒng)學(xué)報(bào) 2015年5期2015-12-03
- 基于滿足性判定的布爾網(wǎng)絡(luò)環(huán)求解算法
集，通過融合沖突子句學(xué)習(xí)(CDCL)、非時(shí)序回退、阻塞子句和變量分類等技術(shù)，降低算法的計(jì)算復(fù)雜度。實(shí)驗(yàn)結(jié)果表明，該算法能夠高效地計(jì)算指定步長的環(huán)。對(duì)于無法計(jì)算所有環(huán)的復(fù)雜網(wǎng)絡(luò)，指定步長計(jì)算環(huán)的方式將更有應(yīng)用價(jià)值。布爾網(wǎng)絡(luò); 環(huán); 滿足性判定; 阻塞子句布爾網(wǎng)絡(luò)的穩(wěn)定狀態(tài)包括兩種：不動(dòng)點(diǎn)和環(huán)。不動(dòng)點(diǎn)是環(huán)的一種特例，即環(huán)步長為1。布爾網(wǎng)絡(luò)環(huán)的計(jì)算是一個(gè)NP完全問題[1-2]。近年來，隨著布爾滿足性判定SAT算法的不斷優(yōu)化，越來越多的布爾網(wǎng)絡(luò)問題都可以用SAT算
電子科技大學(xué)學(xué)報(bào) 2015年6期2015-06-26
- 控制結(jié)構(gòu)的研究現(xiàn)狀、問題和前景
制結(jié)構(gòu)涉及非限定子句(nonfinite clauses)中空主語PRO的釋義與分布問題。作為一種特殊的空語類，PRO只能出現(xiàn)在非限定句的主語位置。如(1)—(2)所示，子句的主語沒有顯現(xiàn)，依賴主句的主語、賓語確認(rèn)其指稱。(3)是語境控制句，子句主語依賴語境確認(rèn)指稱。(1)Billipromised [to PROiremain silent].(主語控制句)(2)Bill asked mei[to PROiremain silent].(賓語控制句)(3
外文研究 2015年3期2015-03-19
- 《馬氏文通》的讀理論及相關(guān)問題
于西方語言的各種子句，包括subordination和hypotaxis，換個(gè)角度看，包括時(shí)態(tài)從句、非時(shí)態(tài)從句和小小句。讀應(yīng)定義為不獨(dú)立的子句，它與句的界限在于[±獨(dú)立]。在此特征上句讀差別具有相對(duì)性，所以句、讀都是原型范疇(prototype category)；讀與單個(gè)詞或者短語的界限雖不明晰，但能在連動(dòng)結(jié)構(gòu)中得到區(qū)分。如此重新認(rèn)識(shí)了讀的內(nèi)涵和外延之后，前輩學(xué)者指出的句讀論的矛盾大多也就渙然冰釋了。關(guān)鍵詞：《馬氏文通》；讀；原型范疇；子句；起詞中圖分類
鹽城師范學(xué)院學(xué)報(bào)（人文社會(huì)科學(xué)版） 2015年1期2015-02-13
- 可滿足實(shí)例的歸結(jié)復(fù)雜度
n個(gè)變量，cn個(gè)子句的隨機(jī)k-SAT問題在k≥3的情況下，具有指數(shù)級(jí)別的樹型歸結(jié)證明，故基于DPLL算法求解隨機(jī)k-SAT問題所花費(fèi)的時(shí)間呈指數(shù)增長。2002年，Mitchell[9]按照一定的編碼規(guī)則，把一般CSP實(shí)例轉(zhuǎn)化為SAT實(shí)例，把轉(zhuǎn)化的SAT實(shí)例的歸結(jié)復(fù)雜度作為CSP實(shí)例的歸結(jié)復(fù)雜度，指出了如果實(shí)例對(duì)于歸結(jié)證明系統(tǒng)是難解的，則對(duì)基于歸結(jié)的算法也是難解的。GRB模型[10]是近年來新提出的一種CSP模型，是RB模型[11-13]的推廣。它具有精確的
計(jì)算機(jī)工程與應(yīng)用 2014年22期2014-08-04
- 中國象棋屬于EXPTIME-complete問題
爾控制器、開關(guān)、子句通道與文字通道的交叉區(qū)域、兌子區(qū)域、延遲區(qū)域及九宮。在該模型上模擬進(jìn)行G3游戲，并最終證明了G3游戲可多項(xiàng)式時(shí)間內(nèi)歸約到n×n的中國象棋，從而證明了n×n的中國象棋屬于EXPTIME-complete問題。計(jì)算機(jī)博弈;中國象棋;計(jì)算復(fù)雜性;指數(shù)時(shí)間的完全問題;歸約計(jì)算機(jī)博弈是讓計(jì)算機(jī)給出著法，能夠下棋，屬于人工智能學(xué)科極具挑戰(zhàn)性的研究領(lǐng)域。計(jì)算機(jī)博弈的最高境界是找到該棋種的理想解，即不敗解。而計(jì)算機(jī)博弈的最大困難和無法逾越的障礙是求解問
- 格值一階邏輯系統(tǒng)的α廣義歸結(jié)原理
歸結(jié)原理,將廣義子句集上的歸結(jié)擴(kuò)展到一般廣義子句集上,提出了基于格值一階邏輯系統(tǒng)LF(X)的α廣義歸結(jié)原理,建立了格值一階邏輯系統(tǒng)中α廣義歸結(jié)原理的可靠性定理.通過給出的提升引理,證明了該原理的弱完備性定理.這將為建立基于格值邏輯系統(tǒng)的廣義歸結(jié)方法提供新的自動(dòng)推理技術(shù).格值一階邏輯;一般廣義子句;局部極復(fù)雜廣義文字;廣義歸結(jié);自動(dòng)推理自動(dòng)推理是人工智能領(lǐng)域的重要研究內(nèi)容.基于歸結(jié)原理的自動(dòng)推理是自動(dòng)推理研究的重要方法. Robinson于1965年提出了基
西安電子科技大學(xué)學(xué)報(bào) 2014年1期2014-04-21
- SQLServer查詢語句學(xué)習(xí)心得
擇列表、FROM子句和WHERE子句。它們分別說明所查詢列、查詢的表或視圖、以及搜索條件等。例如，下面的語句查詢work表中姓名為“許劍鋒”的stname字段和score字段。SELECT stname,scoreFROM workWHERE name='許劍鋒'1 選擇列表選擇列表(select_list)指出所查詢列，它可以是一組列名列表、星號(hào)、表達(dá)式、變量(包括局部變量和全局變量)等構(gòu)成。1.1 選擇所有列例如，下面語句顯示work表中所有列的數(shù)據(jù):
科技視界 2013年10期2013-08-15
- 常用SQL語句舉例分析
ect語句由多個(gè)子句構(gòu)成，其基本表達(dá)式如下:select［all∣distinct］*或者column as alias［，column2］from table［，table2 ］［where“conditions1”］［group by“column-list1”］［order by“column-list”［asc∣desc］］在查詢語句中，被［］括起來的是可選項(xiàng)。最基本的結(jié)構(gòu)是select-from-where語句。如果沒有查詢條件的話，where語
河南科技 2013年3期2013-04-10
- 基于分支回溯的NAE-3SAT問題求解算法
m是命題公式中的子句數(shù)目，目前獲得的最好上界為O(1.234m)［8］.SAT 問題理論上的不斷發(fā)展使得其系統(tǒng)的求解能力有了很大的提高.目前Zchaff、Survey Propagation等SAT求解系統(tǒng)已可以求解包含100 000個(gè)以上變量的SAT問題實(shí)例［12-14］.NAESAT(not-all-equal satisfiability)問題作為SAT問題的一個(gè)重要擴(kuò)展，判斷是否存在一組真值賦值使得給定的命題公式為可滿足，并且使公式的每個(gè)子句中所有
智能系統(tǒng)學(xué)報(bào) 2012年6期2012-11-26
- 最壞情況下Min-2SAT問題的上界
值同時(shí)滿足最多的子句.與SAT問題一樣，MaxSAT問題在計(jì)算機(jī)科學(xué)領(lǐng)域有著十分重要的地位，因?yàn)樗乔蠼馊斯ぶ悄芎徒M合優(yōu)化問題的基礎(chǔ)［1-2］.當(dāng)公式中子句的長度至多為2時(shí)稱之為Max-2SAT(maximum two-satisfiability)問題，它是一個(gè)NP完全的問題［3］.近年來，眾多學(xué)者對(duì)Max-2SAT問題進(jìn)行了研究［4-7］，已經(jīng)將其最壞情況下的上界縮小到O(2m/6.312)［8］.與 MaxSAT 問 題 相 對(duì) 的 是 MinSAT
智能系統(tǒng)學(xué)報(bào) 2012年3期2012-09-24
- SQL查詢語句——SELECT的使用技巧
只列舉出它的主要子句。SELECE語句的主要子句格式如下：SELECT [ALL|DISTINCT][TOP n] select_list[INTO new_table][FROM table_condition][WHERE search_condition][GROUP BY group_by_expression][HAVING search_condition][ORDER BY order_by_expression [ASC|DESC]][CO
中小企業(yè)管理與科技·下旬刊 2012年1期2012-06-08
- 多值知識(shí)編譯
定兩個(gè)帶有標(biāo)記的子句S1∨D1和S2∨D2，其中S1和S2是互補(bǔ)標(biāo)記文字，則兩個(gè)子句在標(biāo)記文字S1和S2上的標(biāo)記歸結(jié)式是D1∨D2.2 標(biāo)記擴(kuò)展規(guī)則定義2.1［8］給定一個(gè)子句C和一個(gè)集合M：C′＝｛C∨a，C∨﹁a｜a是一個(gè)原子，a∈M且a不在C中出現(xiàn)｝.我們稱從C到C′的操作為C上的擴(kuò)展規(guī)則，稱C′是擴(kuò)展規(guī)則的結(jié)果.在定義標(biāo)記擴(kuò)展規(guī)則之前，我們給出如下假設(shè)：語言中有兩類變量——布爾變量和標(biāo)記變量.標(biāo)記變量都是正規(guī)標(biāo)記變量，多值邏輯變量的域是以在某一排序
東北師大學(xué)報(bào)（自然科學(xué)版） 2011年4期2011-12-27
- 如何區(qū)分漢語定式子句和非定式子句的研究綜述
何區(qū)分漢語的定式子句和非定式子句一直是語言學(xué)研究的一大熱點(diǎn)。自生成語法創(chuàng)建起，國內(nèi)外很多學(xué)者試圖用生成語法理論來研究如何區(qū)分漢語的定式子句和非定式子句，如黃正德、徐烈炯、李艷惠、胡建華、湯廷池等。下面對(duì)這些學(xué)者的研究一一作評(píng)述。1.以前學(xué)者的觀點(diǎn)1.1 黃正德的觀點(diǎn)黃正德先生是第一個(gè)提出如何區(qū)分漢語的定式子句和非定式子句的學(xué)者。他（1982）認(rèn)為：“漢語沒有系統(tǒng)標(biāo)志詞，也就是說漢語沒有時(shí)態(tài)和一致特征，盡管如此，我們能發(fā)現(xiàn)區(qū)分漢語定式子句和非定式子句的特征，
文教資料 2011年24期2011-03-20
- 基于關(guān)系數(shù)據(jù)庫的SQL查詢語句執(zhí)行過程效率分析與對(duì)策
同,而且有時(shí)個(gè)別子句順序并不影響操作結(jié)果,但是在各種數(shù)據(jù)庫管理系統(tǒng)中,標(biāo)準(zhǔn)的SQL的解析順序?yàn)?1.FROM子句,組裝來自不同數(shù)據(jù)源的數(shù)據(jù);2.WHERE子句,基于指定的條件對(duì)記錄進(jìn)行篩選;3.GROUP BY子句,將數(shù)據(jù)劃分為多個(gè)分組;4.使用聚合函數(shù)進(jìn)行計(jì)算;5.使用HAVING子句篩選分組;6.計(jì)算所有的表達(dá)式;7.使用ORDER BY對(duì)結(jié)果集進(jìn)行排序。通過以上SQL語句的解析過程,我們可以對(duì)SQL查詢語句進(jìn)行優(yōu)化處理。SQL查詢語句的核心結(jié)構(gòu)是SE
新媒體研究 2009年23期2009-07-01
- 在數(shù)據(jù)庫應(yīng)用系統(tǒng)中實(shí)現(xiàn)動(dòng)態(tài)查詢的研究
量和WHERE 子句的生成、數(shù)據(jù)表間的關(guān)聯(lián)和關(guān)系二維表的設(shè)計(jì)及創(chuàng)建、Datawindow的生成并引入兩個(gè)重要函數(shù)。關(guān)鍵詞：實(shí)現(xiàn) 動(dòng)態(tài)查詢 PowerBuilder中圖分類號(hào)：TP311.132 文獻(xiàn)標(biāo)識(shí)碼：A0 引言PowerBuilder是現(xiàn)今最為流行的數(shù)據(jù)庫前端開發(fā)工具。掌握PowerBuilder開發(fā)工具固然重要，但運(yùn)用開發(fā)工具開發(fā)一個(gè)有效的、易維護(hù)的、易升級(jí)的、功能強(qiáng)大的管理系統(tǒng)尤為重要。本文利用PowerBuilder開發(fā)工具應(yīng)用在汽配管理系統(tǒng)為
中小企業(yè)管理與科技·上旬刊 2009年4期2009-05-24