XiaoMi-AI文件搜索系统
World File Search System程序性
加州交通部日常维护和维修活动的程序性非正式磋商
我们已审查了您于 2011 年 3 月 9 日提交的申请，并于 2011 年 3 月 29 日收到该申请，要求与美国鱼类和野生动物管理局 (Service) 就加州运输部 (Caltrans) 拟议的日常维护和维修活动以及第 1 区和第 2 区的小型项目计划进行非正式的项目磋商。此回复是根据 1973 年《濒危物种法》(ESA) 修订版 (16 U.SC 1531 et seq.) 第 7(a)(2) 节及其实施条例 (50 CFR § 402) 制定的。美国陆军工程兵团 (Corps) 提议允许开展其中的一部分活动，因此将成为此次磋商的共同牵头行动机构。作为拟议活动的联合牵头联邦行动机构，加州运输部和工程兵团正在寻求对拟议维护和维修活动、小型项目和岩土钻探活动的计划同意，这些活动可能会影响但不太可能对拟议活动行动区域内可能发生的六种联邦受威胁物种或 1 种濒危物种中的一种或多种（请参阅下面的“涵盖物种”部分）产生不利影响。加州运输部和工程兵团还寻求同意，即其拟议活动不会对涵盖物种的指定关键栖息地造成不利影响。尽管加州运输部和工程兵团是本次咨询的联合牵头联邦行动机构，但为简单起见，我们在下文中将联合牵头机构称为“加州运输部”。
从...中自动提取程序性知识
程序性知识是执行某些任务所需的知识，是专业知识的重要组成部分。程序性知识的主要来源是自然语言指令。虽然这些可读的指令是人类有用的学习资源，但它们无法被机器解释。由于其在过程自动化中的潜在应用，从指令中自动获取机器可解释格式的程序性知识已成为一个越来越受欢迎的研究课题。然而，它还没有得到充分解决。本文介绍了一种方法和一个实现的系统，以帮助用户自动从指令中获取结构化形式的程序性知识。我们引入了一种用于分析指令的程序的通用语义表示，使用该表示，自然语言技术可以自动从指令中提取结构化程序。在三个领域对该方法进行了评估，以证明所提出的语义表示的通用性以及实现的自动系统的有效性。关键词：程序性知识，信息提取，指导性文本