毛莉娜， 李卫华

(1.广东轻工职业技术学院 机电工程系，广东 广州 510300； 2.广东工业大学 计算机学院，广东 广州 510006)

利用智能引导和KDML增强可拓模型人机建模能力研究

毛莉娜1， 李卫华2

(1.广东轻工职业技术学院 机电工程系，广东 广州 510300； 2.广东工业大学 计算机学院，广东 广州 510006)

为了利用计算机协助人们建立待求解问题的可拓模型，必须让计算机识别用自然语言描述的问题，而且要理解问题的含义，这是相当困难的任务。本文提出利用人机界面Agent的智能引导并结合知网(HowNet)中的知识系统描述语言(KDML)，增强计算机语义处理能力的方法。以求职问题为实践的结果说明了方法的有效性。由于KDML有较强的表示语义信息的作用，通过人机交互也能减轻计算机自然语言理解的困难。因此该方法能将自然语言描述的待求解问题的目标和条件进行分离和形式化，使计算机更有效地建立待求解问题的可拓模型。

智能引导；KDML；自然语言理解；语义；可拓模型；Agent；人机交互；知网

中文引用格式：毛莉娜，李卫华. 利用智能引导和KDML增强可拓模型人机建模能力研究[J]. 智能系统学报， 2017, 12(3): 348-354.

英文引用格式：MAO Li’na， LI Weihua. Research on enhancing the human-machine modeling ability for an extension model using the intelligent guide and KDML[J]. CAAI transactions on intelligent systems, 2017, 12(3): 348-354.

计算机为了判断人们待求解的问题是否为矛盾问题(即判断在当前条件下能否实现人们所希望的目标)，必须分离待求解问题的目标和条件，并且形式化，即建立问题的可拓模型[1]，才能针对不同类型的问题采取不同的解决方法(非矛盾问题用常规方法求解，矛盾问题用可拓学方法解决)。然而，用户问题经常是用自然语言表述的，比如，“我如何提高自己的职业能力才能应聘项目经理”，或者“我如何找到一份工作，工资待遇较好，符合个人兴趣，而且工作条件不会太差”等。……