XiaoMi-AI文件搜索系统
World File Search Systempartof
实验室测试与全... 的相关性
作为其与改进 SRIPS 船体结构有关的研究计划的一部分，船舶结构委员会已在宾夕法尼亚州立大学发起了一项关于“实验室试验与全尺寸船板断裂试验的相关性”的调查。随函附上该调查的最终报告 LXX-3O 副本，题为“实验室试验与全尺寸船板断裂试验的相关性”，作者为 E. P. KlierandM。Gensamer。
生成更智能的响应和解释
在最近的工作 [Wilcock 22a] 中，我们开发了可在知识图谱中搜索信息的对话式 AI 系统。我们将 Rasa 对话式 AI [Bocklisch 17] 和存储在 Neo4j 图形数据库 [Robinson 15] 中的知识图谱结合使用。最近 [Wilcock 22b] ，我们使用 Virtual Furhat 机器人 [Al Moubayed 12] 将社交机器人连接到这些系统。我们还向知识图谱添加了语义元数据，包括从 WikiData 中提取的分类 ( subclassOf ) 和部分 ( partOf ) 层次结构。我们现在旨在开发使用语义元数据生成更智能对话响应的方法。如果可能的话，如果用户询问机器人为什么给出某种响应，我们还将使用元数据生成简单的解释。使用语义元数据生成更智能的对话响应的想法并不新鲜。例如，在 2003 年 IJCAI 上，Milward 和 Beveridge 研究了“在多大程度上可以用通用对话系统组件和本体领域知识的组合来取代手工制作的对话设计” [Milward 03]。目的是从为一个特定领域手工制作的对话系统转变为更通用的对话系统，该系统不仅可以通过访问数据库中的领域事实，还可以访问每个领域的本体结构知识，从而与多个领域合作。作者提出了一系列交互示例，其中访问本体领域知识将使对话系统能够给出比没有手工制作更智能的响应。自 [Milward 03] 以来的二十年里，对话系统领域（现在称为对话式 AI [McTear 20]）和本体领域知识数据库领域（现在称为知识图谱 [Hogan 21]）都取得了很大进展。研究挑战在于如何开发对话式人工智能系统，利用知识图谱中日益丰富的特定领域语义背景。这将允许