标签: semantic-analysis

我一直在通过Protege查看和玩OWL,我想知道我是否正确理解了"工作流程"和它的想法(从头开始构建数据库:

1. 使用Protege或等效项为您的数据生成OWL本体
2. 将此架构导出到RDF
3. 使用定义为triplestore中某些元素的类以及目标数据
4. 将您的triplestore导出到RDF
5. 使用openRDF/sesame或Jena加载定义的数据和本体
6. 根据您的OWL本体验证您的RDF三元组,以确保一切正常
7. 使用SPARQL从RDF triplestore获取数据
8. 使用OWL推理器做某事(这里不太清楚)

我想知道其他人在做什么以及他们如何处理这类问题.

另外我有一个具体的问题:

似乎猫头鹰推理器仅用于确定本体的子类超类关系.但就数据而言,如何查询子类 - SPARQL中的超类关系.例如,如果我的三重商店定义(pizzaID1是-a marghareta)并且我在SPARQL中查询素食比萨,我如何确保返回pizzaID1.

我认为答案与生成"全图"有关,其中每个关系都是明确说明的.sparql在查询三重存储时是否进行任何自动推理,或者是否正在生成这样一个完整的图形？

我正试图找到英语句子的语义标签.我正在使用Stanford NLP解析器.它有方法吗？

我正在浏览文档,但我能找到的最接近的是:

CoreAnnotations.SemanticWordAnnotation
CoreAnnotations.SemanticTagAnnotation

我正在寻找一种方法来衡量两个句子之间的语义距离.假设我们有以下句子:

(S1) The beautiful cherry blossoms in Japan. 
(S2) The beautiful Japan.

通过消除单词"cherry","blossoms"和"in"从S1创建S2.我想定义一个在S1和S2之间提供高距离的函数.其原因在于它们确实具有显着不同的含义,因为美丽改变了樱花,而不是日本.

在学习编译器的过程中,写了一个简单的标记器和解析器(递归下降).解析器构造一个抽象语法树.现在我要进行语义分析.但是我有一些关于语义分析器构造的问题.我是否应该使用树中的递归调用在生成的抽象语法树上语义分析代码,或者我应该构建另一个树(例如使用访问者模式)以进行语义分析.我在网上发现了一个文档,说我应该在解析过程中语义分析代码,但它不符合单一责任规则,并使整个解析器更容易出错.或者我应该将语义分析作为中间表示生成器的一部分？也许我错过了什么,如果有人能为我澄清这件事,我将不胜感激.

我目前正在为具有全局变量和嵌套子例程功能的语言构建编译器。以前，我只为只有局部变量而没有嵌套子例程的语言构建了一个编译器。

我在代码生成阶段如何重用在语义分析阶段填充的符号表有问题。我将符号表作为一个链表堆栈，其中每个链表代表在特定范围内声明的标识符。每次它进入一个范围时，都会创建一个新列表并将其推送到堆栈中，它成为当前范围。同样，每次离开作用域时，栈顶的列表都会被弹出。最后，在语义分析完成后，我实际上有空符号表，就像它开始时一样。但是，代码生成器需要一个完全填充的符号表才能正确生成代码。如何在不重新做语义分析期间所做的事情（即向符号表输入标识符）的情况下做到这一点？

我有兴趣根据释义找到类似的内容(文本).我该怎么做呢？有没有特定的工具可以做到这一点？在python中最好.