草图语义符号提取是草图理解中高层语义推理的基础,从逻辑上可以分为笔划分组和语义符号识别两个部分,前者的任务是确定能够组成完整语义符号的笔划集合,后者识别该集合所代表的语义符号。如何实现笔划的自动分组是草图语义符号提取的一个难点。已有工作在处理语义符号提取问题时主要采取两种思路:限制用户勾画自由度,如勾画完一个语义符号以后点击按钮或者在两个语义符号勾画中间停顿足够长的时间,甚至有的系统强制语义符号必需用一笔完成,这违背了草图理解所追求的自由勾画的目标,而且没有实现自动分组;利用笔划的空间临近性或者依靠领域中特殊符号来辅助分组,一定程度上实现了自动分组,其缺点是分组极易出现错误。针对以上问题本文采用贝叶斯网络进行语义符号提取,系统根据输入的部分笔划信息进行推理,得出最有可能的语义符号类别,并利用该信息来辅助笔划分组,从而达到笔划自动分组的目的,由于将语义知识纳入到笔划分组中,提高了分组的正确率。此外贝叶斯网络能够方便的表示草图中的笔划的歧义性等不确定性信息,因而该方法可以更好地支持草图勾画的随意性。本文的工作体现在:1)给出草图语义符号的贝叶斯网络建模方法和基于贝叶斯网络的语义符号提取过程。鉴于手工构建网络的繁琐性,本文采用机器学习的方法来构建贝叶斯网络:用户提供勾画样例,系统从样例中抽取笔划信息和结构信息,应用K2学习算法得到贝叶斯网络2)在Intel(?)的PNL贝叶斯网络工具包的基础上针对UML领域中的语义符号构建了原型系统来验证该方法的可行性