自然语言是人类进行通信的主要工具,人类间通信的目的主要是进行知识交互。知识是对识的理解和描述,所以对自然语言的研究应该从知识的表示开始,进而研究知识怎样转换成人类能理解的自然语言形式。传统的知识表示方法不能全面统一地表示人类智能的自我意识性、互表性、模糊性及动态性等特点,而基于唯识心理学建立的AORBCO模型能够对多模态知识进行统一表示。为使AORBCO模型所表示的知识能够使人类理解并进行交互,本文主要从以下几方面研究了AORBCO模型描述语言与自然语言的转换技术:1.AORBCO模型中词语知识库的设计与实现:针对现有知识表示技术对知识描述不完整、不清晰而导致机器学习模型无法有效利用多模态知识的问题,本文从知识的本质出发对自然语言进行研究,通过分析AORBCO模型的知识表示方法,以链接的形式体现互表性、以概念间关系权重体现模糊性、以运行演化过程体现动态性的方式,并把其集成在Ego中来表示自我意识性,提出一种通用的词语知识表示方式并将其作为后续研究的基础部分。实验结果表明本文提出的自然语言词库及语法结构库在不损失查找效率的情况下能获得多粒度的知识表示形式。2.AORBCO模型中的自然语言理解研究:主要研究自然语言转换成AORBCO模型描述语言的过程、原理与技术。其过程主要包括篇章处理、语句处理、语义理解、知识表示四个阶段。篇章处理阶段完成AORBCO模型对自然语言感知及预处理,依据汉语言学对意义段落的定义将Ego从具体世界中感知到的自然语言进行划分;语句处理阶段完成对语句词语的切分,结合AORBCO模型知识表示中互表性的特点,提出DFS-FMM算法结合双字哈希索引分词词典结构的处理方式,能够在解决原FMM算法结果唯一性的基础上同时减少检索AORBCO模型描述语言的性能问题;语义理解阶段完成词法分析结果的语义准确性选择,将AORBCO模型中具有互表性的知识块视为带权有向图,但有向图中存在负权,因此本文从限制节点入队次数的角度优化SPFA算法,使其能够保持与原算法时间复杂度一致的同时,还可对源点可达负圈有向图进行计算;知识表示阶段完成语义理解结果的AORBCO模型描述语言表示,对于不存在的知识块将其初始化并建立与其他知识块的联系及权值,对于已存在的知识块则更新与其他知识块的联系权值。3.AORBCO模型中的自然语言生成研究:主要研究AORBCO模型描述语言转换成自然语言的过程、原理与技术。其过程主要包括主题确定、知识块确定、知识块裁剪、语句生成、篇章生成五个阶段。在主题确定阶段,确定生成文本中的主题词,Ego生成自然语言依赖于与熟人通信后产生的愿望。通过借助客户熟人建模中的愿望对上下文环境进行刻画,解决了自然语言处理技术生成式对话领域的上下文环境问题;在知识块确定阶段,解决生成语句时与主题词相关的候选知识块问题,本文通过模型中互表性、模糊性的特点改进Page Rank算法从而形成将AORBCO模型中的实体视为有向加权图的计算方式获得候选知识块;在知识块裁剪阶段,解决所选知识的唯一性问题,通过结合上述两个阶段对语句生成中的知识筛选后,本文考虑到模型中链接实体因素、共有链接对象权重及所属类因素三个方面对抽象词语知识相似度计算的作用,提出重叠度加权求和相似度计算公式;在语句实现和篇章实现阶段,依据AORBCO模型描述语言的层次结构对知识进行组织,最终形成自然语言的描述形式。4.自然语言理解在基于AORBCO模型的智能WEB系统中的应用研究:针对先前AORBCO模型的智能WEB系统中客户Ego缺失信息理解及网眼Ego无法进行内容组织的问题,引入AORBCO模型的自然语言处理能力,形成具有理解客户需求、提供个性化搜索以及组织网站内容的智能WEB系统,同时也验证了以上AORBCO模型自然语言理解研究结果的可行性。