Intelligent and Embedded Computing Laboratory

信息语义分析软件面向特定领域，采用信息抽取技术建立语义分析引擎（语言模型），分析引擎具备互联网新闻文本数据、社交媒体数据的信息语义分析能力，能够实现实体、关系的信息抽取，构建特定领域的实体、属性、关系集。信息语义分析软件包括语义关系数据集、特定领域的知识查询模块、文字信息的语义分析模型、面向用户的知识管理模块，可作为支持软件服务于超维知识图谱的知识服务与计算平台。软件实现了实体、属性、关系的便捷查询以及溯源查询能力，具备用户对抽取结果准确度的评价能力。实现用户对知识库的管理能力，包括人工增加、修改实体及其关系，对自动生成关系结果标注准确度，新增源数据导入加载等能力。信息语义分析软件处理文本类数据效率达到120000条（文本长度不超过128字，若超过则拆分）/每分钟； 抽取关系类别达到30种，覆盖属性相似/相异关系、时空关联关系、指挥从属关系；涉及目标实体、目标装备、指挥机构、驻地、机场、港口、人员等实体的关系。属性信息字段达到200个，包含位置信息、能力信息、基本信息、指挥信息、计划信息、任务信息。数据存储知识规模支持千万级，即知识条目数量存储至少支持1千万。

智能语音查询系统采用RASA框架，构建了特定领域（求职）内的自动问答系统，使用语音输入作为问答接口，采用SPARQL检索语言从Apache Jena数据库之中进行检索答案，基于问题类型构造模板，采用模板的方式定义查询语句。同时基于Android开发了移动客户端（包含了语音部分的功能、会话界面屏显功能、其他安卓应用调用功能、窗口弹出至顶层功能和开机自启动功能），使用微信公众号或小程序获取答案。具体的实现流程：首先，将用户输入的Message传递到Interpreter(Rasa NLU模块)，该模块负责识别Message中的"意图(intent)“和提取所有"实体”(entity)数据；其次，Rasa Core会将Interpreter提取到的意图和识别传给Tracker对象，该对象的主要作用是跟踪会话状态(conversation state)；第三，利用policy记录Tracker对象的当前状态，并选择执行相应的action，其中，这个action是被记录在Track对象中的；最后，将执行action返回的结果输出即完成一次人机交互。

图像信息保障能力评估工具首先是对综合信息保障的各个环节（包括获取、处理、传输、分析等）独立保障能力评估，每一环节内部又可细分成各个子环节，然后针对子环节进行保障能力评估，如分析环节，图像情报的分析又可以分为对象检测、对象分类、对象属性学习（对抗双方目标、船舶类型等）。在保障功能细分的基础之上，建立评估指标体系，整体上指标体系能够体现处理过程的时间特性、准确度特性、虚假特性、可靠性特性等指标,为图像情报处理评估能力建设提供支撑。

车辆智能分析系统基于深度学习算法、视频流处理框架DeepStream、分布式消息队列kafka和web页面技术开发的一个端-中心架构的车辆信息的实时结构化系统，具体功能实现上，在端设备（嵌入式Jetson Nano开发板）上采用深度学习算法对车辆信息（车辆颜色、车型、制造商、车牌识别）实时识别；然后将识别结果叠加到视频帧，并重新编码成视频流；最后，将视频流和识别结果推送到中心服务器，在浏览器端可以实时浏览视频流和进行结构化查询。

知识图谱问答系统利用知识图谱中知识的关联性和多样性，为问答系统提供了结构化和关联化的知识来源，提高了问答准确性和高效性。问答系统采用Neo4j作为知识图谱的存储库。本问答系统根据存放在数据库中的所有数据构建问题匹配模板，利用自然语言处理技术将匹配模板与输入的问题进行匹配，其中包括利用中分分词技术将问题进行分词处理。利用命名实体识别提取问题中的实体信息，利用word2vec将自然语句进行分布式表示，利用TextCNN网络模型对问题进行分类。针对每个模板设置特定的cypher语句进行答案提取。