服务机器人任务理解的关键技术研究
| 摘要 | 第5-7页 |
| Abstract | 第7-9页 |
| 第1章 绪论 | 第16-24页 |
| 1.1 引言 | 第16-18页 |
| 1.2 服务机器人任务理解的挑战 | 第18-19页 |
| 1.3 国内外研究状况和进展 | 第19-22页 |
| 1.4 研究内容和论文结构 | 第22-24页 |
| 第2章 背景知识 | 第24-44页 |
| 2.1 开放知识资源 | 第24-28页 |
| 2.1.1 OMICS | 第24-25页 |
| 2.1.2 Cyc | 第25-26页 |
| 2.1.3 WikiHow | 第26页 |
| 2.1.4 FrameNet | 第26-27页 |
| 2.1.5 WordNet | 第27-28页 |
| 2.2 回答集编程 | 第28-35页 |
| 2.2.1 ASP语法和语义 | 第28-29页 |
| 2.2.2 ASP求解 | 第29-33页 |
| 2.2.3 基于ASP的任务规划 | 第33-35页 |
| 2.3 自然语言语义解析 | 第35-44页 |
| 2.3.1 依存句法分析 | 第35-36页 |
| 2.3.2 语义角色标注 | 第36-39页 |
| 2.3.3 对数线性模型 | 第39-44页 |
| 第3章 面向用户任务的上下文框架语义解析 | 第44-58页 |
| 3.1 概述 | 第44-45页 |
| 3.2 相关工作 | 第45-46页 |
| 3.3 任务句子动词框架语义的识别 | 第46-48页 |
| 3.3.1 模型 | 第46-47页 |
| 3.3.2 特征 | 第47页 |
| 3.3.3 训练学习 | 第47-48页 |
| 3.4 任务句子语义角色标注 | 第48-50页 |
| 3.4.1 定义 | 第48-49页 |
| 3.4.2 最大似然估计 | 第49-50页 |
| 3.5 基于上下文关联的角色恢复 | 第50-52页 |
| 3.5.1 准则 | 第51-52页 |
| 3.6 实验与评价 | 第52-56页 |
| 3.6.1 数据 | 第52页 |
| 3.6.2 动词框架语义识别结果 | 第52-54页 |
| 3.6.3 语义角色标注结果 | 第54页 |
| 3.6.4 语义角色恢复结果 | 第54-56页 |
| 3.7 本章小结 | 第56-58页 |
| 第4章 基于FrameNet的元语言框架 | 第58-68页 |
| 4.1 概述 | 第58-59页 |
| 4.2 元语言 | 第59-63页 |
| 4.3 转换系统 | 第63-65页 |
| 4.4 语义解释 | 第65-66页 |
| 4.5 本章小结 | 第66-68页 |
| 第5章 基于元语言框架和ASP的任务规划 | 第68-90页 |
| 5.1 概述 | 第68-69页 |
| 5.2 相关工作 | 第69-70页 |
| 5.3 元语言翻译成ASP逻辑规则 | 第70-74页 |
| 5.4 利用ASP求解器生成规划 | 第74-75页 |
| 5.5 实现算法 | 第75-77页 |
| 5.6 服务机器人系统结构 | 第77-81页 |
| 5.6.1 整体系统框架 | 第77-79页 |
| 5.6.2 系统感知模块 | 第79-81页 |
| 5.7 实验与评价 | 第81-88页 |
| 5.7.1 大规模数据仿真实验 | 第82-83页 |
| 5.7.2 机器人上的实验 | 第83-88页 |
| 5.8 本章小结 | 第88-90页 |
| 第6章 总结与展望 | 第90-94页 |
| 6.1 工作总结 | 第90-92页 |
| 6.2 前景与展望 | 第92-94页 |
| 参考文献 | 第94-100页 |
| 致谢 | 第100-102页 |
| 在读期间发表的学术论文与取得的研究成果 | 第102-103页 |
