检索结果-内蒙古大学图书馆

作者：孙尉超南京审计大学

学位级别：硕士

随着互联网的快速发展,以新浪微博为代表的社交媒体逐渐成为人们传播信息的主要平台。社交媒体为人们共享信息带来了便利的同时,也为网络谣言的传播提供了途径。谣言在社交媒体上广泛传播会破坏网络环境,影响社会生活,所以对网络谣言实... 详细信息

随着互联网的快速发展,以新浪微博为代表的社交媒体逐渐成为人们传播信息的主要平台。社交媒体为人们共享信息带来了便利的同时,也为网络谣言的传播提供了途径。谣言在社交媒体上广泛传播会破坏网络环境,影响社会生活,所以对网络谣言实现自动化检测对维护社会稳定、保护人民利益具有重要意义。传统的谣言识别方法在提取微博的特征时,忽略了谣言关键词的词频信息和微博正文文本深层语义特征提取的重要性,故本文根据词频信息从谣言库中提取关联度特征并利用深度学习方法提取微博正文文本的深层语义特征,以此设计谣言识别模型,主要工作包括:其一,构造关联度特征并设计基于关联度特征和统计机器学习的谣言识别模型。考虑到词频信息对谣言识别工作的重要性,利用网络爬虫技术获取新浪微博平台最新的谣言和非谣言数据,结合现有数据集构造了微博谣言库和实验数据集。利用APRIORI算法提取微博谣言库的频繁项集,再通过Word2Vec模型提取近义词对频繁项集进行扩展,最终从频繁项集中提取关联度特征。关联度特征结合其它提取的统计特征进入统计机器学习模型进行训练,实验表明关联度特征能够有效地提高模型谣言识别的效果,同时设计了GBDT-R模型进行谣言检测,并验证了模型的识别效果。其二,设计基于多模型融合策略的谣言识别模型。考虑到单一模型的局限性和多模型融合策略对于分类效果的提升,本文设计了结合深度学习和机器学习的ALBERT-Text CNN-SVM模型。在微博正文文本的深层语义特征提取上,设计引入了新型预训练模型ALBERT并结合Text CNN的ALBERT-Text CNN,同时考虑到微博其它统计特征对谣言识别效果的提升,将ALBERT-Text CNN提取到的微博正文文本深层语义特征结合部分微博统计特征输入到SVM模型中进行训练,并命名为ALBERT-Text CNN-SVM。相较于单一使用微博正文文本的ALBERT-Text CNN,ALBERT-Text CNN-SVM在准确率、召回率、F1值上分别增加了0.68%、2.18%、0.78%,同时在与其他文献的对比实验中模型在准确率、精确率、F1值上达到了最优值,分别为95.98%、97.57%、95.78%,同时召回率达到了94.06%。实验表明ALBERT-Text CNN-SVM模型能够有效地识别微博谣言。

关键词：谣言检测特征提取机器学习深度学习多模型融合策略

来源：评论

学校读者我要写书评

暂无评论

基于GMM-UBM和GLDS-SVM的英文发音错误检测方法

引用

自动化学报 2010年第2期36卷 332-336页

作者：李宏言黄申王士进梁家恩徐波中国科学院自动化研究所数字内容技术研究中心北京100190 中国科学院自动化研究所模式识别国家重点实验室北京100190

将语种和说话人识别的方法应用到英语发音错误检测系统,提出一种基于广义线性区分序列支持向量机(Generalized linear dis-criminant sequence based SVM,GLDS-SVM)的发音错误检测方法.主要创新点为:1)提出一种基于状态拼接的特征规整方... 详细信息

将语种和说话人识别的方法应用到英语发音错误检测系统,提出一种基于广义线性区分序列支持向量机(Generalized linear dis-criminant sequence based SVM,GLDS-SVM)的发音错误检测方法.主要创新点为:1)提出一种基于状态拼接的特征规整方案,增强SVM对发音特征的建模能力;2)提出一种基于多模型融合的模型训练策略,该策略可以更加充分地利用训练数据,并在一定程度上解决了由于真实发音错误数据缺乏造成的正负样本不均衡的问题;3)将GLDS-SVM与基于通用背景模型GMM(Universal background modelsbased GMM,GMM-UBM)的方法进行融合,以进一步提高发音检错性能.GLDS-SVM和GMM-UBM的融合系统在仿真测试集和真实测试集上的等错误率(Equal error rate,EER)分别达到9.92%和16.35%.同时,GLDS-SVM在模型占用空间和运算速度方面均比传统径向基函数(Radial basic function,RBF)核方法具有明显优势.

关键词：计算机辅助语言学习自动发音错误检测支持向量机特征规整多模型融合策略

来源：评论

学校读者我要写书评

暂无评论

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案：

请选择收藏分类：

通借通还

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：