检索结果-内蒙古大学图书馆

电子与信息学报 2007年第3期29卷 601-605页

作者：郑德权李生赵铁军于浩哈尔滨工业大学语言语音教育部-微软重点实验室哈尔滨150001

随着Internet以及Intranet中大量可利用信息的爆炸式增长,文本分类成为处理和组织大量文档数据的关键技术之一。该文提出一种本体论和统计方法相结合的混合语言模型,用以解决自动文本分类问题。首先,通过学习不同类别的训练语料,分别获... 详细信息

随着Internet以及Intranet中大量可利用信息的爆炸式增长,文本分类成为处理和组织大量文档数据的关键技术之一。该文提出一种本体论和统计方法相结合的混合语言模型,用以解决自动文本分类问题。首先,通过学习不同类别的训练语料,分别获得各自类别的语言本体知识库,构造成为不同类别的分类器。对于实际文档,将基于不同类别的语言本体知识库分别获得对文档的评价值,并以所获得的最高评价值决定该文档的类别归属。与Bayes,k-nearest neighbor,support vector machine等3种典型的文本分类器进行了比较。实验结果表明,该文方法的分类性能均胜于其上述3种方法。

关键词：文本分类水体混合语言模型上下文多元信息

来源：评论

学校读者我要写书评

暂无评论

基于混合语言模型的盲汉机器翻译系统的研究与实现

引用

计算机工程与应用 2003年第4期39卷 127-130页

作者：周春耕张秉权黄河燕沈阳工业学院计算机系沈阳110016 中国科学院计算机语言信息工程研究中心北京100083

文章介绍了一种规则与统计相结合的混合语言模型来实现盲文到汉语的机器翻译,该技术把基于统计的Markov模型与规则量化模型相结合,用Viterbi算法寻找最佳汉语句子,取得了良好的翻译效果。

关键词：盲汉机器翻译系统混合语言模型 Viterbi算法计算机 Markov模型

来源：评论

学校读者我要写书评

暂无评论

一个基于混合语言模型的日文识别后处理系统

引用

计算机工程与应用 2002年第14期38卷 68-72页

作者：谢旭东丁晓青彭良瑞刘长松清华大学电子工程系智能技术与系统国家重点实验室北京100084

在文字识别系统中,为了进一步提高文本识别率,后处理模块是很重要的环节。文章针对日文的语言特性,建立统计方法和规则相结合的混和语言模型,实现了一个日文识别后处理系统。该系统首先利用Viterbi算法得到统计模型输出的最优结果,通过... 详细信息

在文字识别系统中,为了进一步提高文本识别率,后处理模块是很重要的环节。文章针对日文的语言特性,建立统计方法和规则相结合的混和语言模型,实现了一个日文识别后处理系统。该系统首先利用Viterbi算法得到统计模型输出的最优结果,通过与前端识别器输入的识别结果相比较,确定可疑字位置,再利用上下文词匹配方法和语法规则库的使用对可疑字进行检错和纠错处理。经实验验证,该后处理系统对识别日文印刷体文本错误率平均下降21.4%。

关键词：混合语言模型日文识别后处理系统知识库文字识别系统

来源：评论

学校读者我要写书评

暂无评论

基于混合语言模型的新浪微博情感分析

基于混合语言模型的新浪微博情感分析

引用

作者：张琦华中科技大学

学位级别：硕士

随着社交媒体网站的发展,微博成了用户自由表达观点和情感的聚集地。如何从海量微博中分析用户情感成为一项十分有意义的研究工作。在微博情感分析中,微博情感分类和微博新词发现是两个典型且重要的研究方向。新浪微博属于短文本,传统... 详细信息

随着社交媒体网站的发展,微博成了用户自由表达观点和情感的聚集地。如何从海量微博中分析用户情感成为一项十分有意义的研究工作。在微博情感分析中,微博情感分类和微博新词发现是两个典型且重要的研究方向。新浪微博属于短文本,传统基于情感词典的情感分类很依赖情感词典的完整性;监督/半监督学习的情感分类很大程度上依赖特征选择和组合的好坏;基于深度学习的情感分类需要结合很详细的语法和句法信息,且训练耗时、缺乏可解释性。此外,传统规则与统计相融合的新词发现方法需要很准确的语言学资源来获取候选词,需要很精细的语言学组合规则过滤无用词,规则复杂且精度不高。本文针对以上问题分别对微博情感分类和微博新词发现提出了改进方法,本文主要研究内容如下:首先,本文提出了一种新颖的基于混合语言模型的新浪微博情感分类方法。该方法从语言模型的角度出发,通过训练正/负向混合语言模型来构造二分类器,通过比较同条测试微博在正/负向混合语言模型下的出现概率进行分类。该方法仅采用unigram特征且语言模型训练快速。实验结果表明,本文所提出的情感分类方法相对于传统监督学习方法和深度学习联合传统监督学习方法的分类效果更好且更稳定。其次,本文提出了一种基于似然比检验的新浪微博新词发现方法。该方法利用网络情感新词的语言学特征,结合似然比检验和字符串成词统计量挖掘网络情感新词。该方法不需要精细化语言学规则(仅仅只用了词性标注)且无监督。实验结果表明,该方法不仅可以发现更多的网络情感新词,而且新词的排序位置也更靠前。所提取的网络情感新词对情感分类性能有一定提升。

关键词：情感分类新词发现混合语言模型似然比检验词性标注

来源：评论

学校读者我要写书评

暂无评论

一种基于字和词混合语言模型的汉语语音关键词检索方法

一种基于字和词混合语言模型的汉语语音关键词检索方法

引用

作者：张鹏远王旭阳潘接林颜永红 100190 北京市海淀区北四环西路21号

本发明提出了一种基于字和词混合语言模型的关键词检索方法及系统，所述方法包含：步骤101)，根据词性区分训练语料中非常见词和常见词，为组成非常见词的各个字添加标识信息，将原训练语料划分为由常见词和标识非常见词信息的符号构成... 详细信息

标准号: CN106294460B

本发明提出了一种基于字和词混合语言模型的关键词检索方法及系统，所述方法包含：步骤101)，根据词性区分训练语料中非常见词和常见词，为组成非常见词的各个字添加标识信息，将原训练语料划分为由常见词和标识非常见词信息的符号构成的新语料；根据新语料构建词的语言模型并根据原训练语料按单字重新训练一个语言模型进而得到字的语言模型；步骤102)构建主解码网络和子解码网络，基于主解码网络和子解码网络进行关键词检索；其中，当进行解码时由所述词的语言模型决定是否进入带有标识非常见词信息的节点，且带有标识非常见词信息的节点连接一个由全部单字构成的子解码网络，当进入子解码网络后由所述字的语言模型限制搜索范围。

关键词：解码网络语言模型训练语料词信息关键词检索单字构建语料混合语言模型节点连接添加标识解码词性搜索

来源：评论

学校读者我要写书评

暂无评论

一种基于字和词混合语言模型的汉语语音关键词检索方法

一种基于字和词混合语言模型的汉语语音关键词检索方法

引用

作者：张鹏远王旭阳潘接林颜永红 100190 北京市海淀区北四环西路21号

标准号: CN106294460A

关键词：解码网络语言模型训练语料词信息关键词检索单字构建语料混合语言模型节点连接添加标识解码词性搜索

来源：评论

学校读者我要写书评

暂无评论

基于语言模型的信息检索系统研究

基于语言模型的信息检索系统研究

引用

作者：张俊林中国科学院研究生院（软件研究所）

学位级别：博士

基于语言模型的信息检索范型为信息检索领域开辟了一个很有前景同时也具有相当挑战性的方向。针对该方法现存的问题，本论文从理论探讨和实际系统开发两个不同的角度来对以下内容进行了研究： (1) 提出了触发语言模型检索方法。通过... 详细信息

基于语言模型的信息检索范型为信息检索领域开辟了一个很有前景同时也具有相当挑战性的方向。针对该方法现存的问题，本论文从理论探讨和实际系统开发两个不同的角度来对以下内容进行了研究： (1) 提出了触发语言模型检索方法。通过“相关比率算法”从训练语料得到词汇在一定上下文中的同现词汇，在此基础上提出了新的算法来计算查询条件的触发词汇集合来明确查询条件的主题，并将相关参数引入文档语言模型形成触发语言模型。 (2) 探讨了Kullback—Leibler语言模型框架中的相关反馈机制并提出了两种相关反馈技术：混合语言模型方法和词汇重要性分布方法。这两种查询反馈方法都以一种比较自然的方式将相关反馈技术集成到了语言模型检索框架中。实验结果表明这两种方法明显地提高了检索系统的性能，平均查准率分别比Kullback—Leibler模型提高了19.89％和24.07％。 (3) 提出了基于主题语言模型的信息检索系统。首先我们提出了“改进的两阶段K-Means聚类算法”来对文档集合进行聚类，通过引入Aspect Model结合聚类结果可以得到基于主题的语言模型。这个新的语言模型较深入地刻画了词汇在不同主题下的分布规律以及文档所蕴含不同主题的分布规律。将主题语言模型和文档本身的语言模型通过线性插值可以更准确地估计文档语言模型。 (4) 设计并实现了文本检索领域软件框架AFFIRM系统。在这个框架的设计中大量地采用了面向对象领域的设计模式技术来支持IR系统中检索模型、索引方法、查询反馈等关键组成部分的设计复用。同时该框架灵活的体系结构能够方便地支持新的需求的设计开发。国内有关语言模型检索方法的相关研究尚未见报道，本论文对这一领域进行了有益的探索并有效地解决了现存的一些问题，为语言模型检索方法的深入理论研究以及实际应用系统的开发提供了良好的基础。

关键词：信息检索触发语言模型相关反馈混合语言模型主题语言模型软件框架

来源：评论

学校读者我要写书评

暂无评论

面向语音识别的蒙古语语言模型的研究

面向语音识别的蒙古语语言模型的研究

引用

作者：艾霞内蒙古大学

学位级别：硕士

语言模型(Language Model)是描述自然语言内在规律的数学模型，在语音识别中占据着十分重要的地位。一个可靠的语言模型对于提高大词汇量连续语音识别系统的识别率及效率，起着至关重要的作用。而相对于已发展的较为成熟的声学模型来说... 详细信息

语言模型(Language Model)是描述自然语言内在规律的数学模型，在语音识别中占据着十分重要的地位。一个可靠的语言模型对于提高大词汇量连续语音识别系统的识别率及效率，起着至关重要的作用。而相对于已发展的较为成熟的声学模型来说，语言模型还有极大的可发展空间。蒙古语是世界范围内有影响的民族语言，在内蒙古自治区及新疆等少数民族地区广为使用。蒙古语语音识别技术在蒙古文信息处理系统中的集成和应用技术有了一定的发展。结合蒙古文信息处理技术方面的这些研究成果，本文将进一步探索以增强蒙古语语言模型的性能来提高蒙古语语音识别系统的识别率的研究技术。本文首先详细介绍了构建蒙古语统计语言模型中语料的选择与加工的知识并使用建模工具HLM建立了蒙古语三元文法模型。通过实验我们得出在训练语料约一万句的面向蒙古语日常用语的蒙古语连续语音识别系统中使用采用了Good-Turning策略和Katz backoff回退法平滑技术的蒙古语三元文法模型时可使系统的识别正确率达到93.05％。在相同的声学模型及相同的测试数据条件下这个数值要高于采用传统的基于规则的语言模型和二元文法模型时的系统识别率。本文又结合蒙古语词法提出一个基于词类划分评价函数的蒙古语词自动聚类算法，并运用此算法建立了一个基于词类的蒙古语语言模型。在总结基于词和基于词类的蒙古语语言模型性能的优缺点的基础上本文研究了一个基于词和基于词类的蒙古语混合语言模型，从实验结果看，混合模型有较好的性能，得到了令人满意的复杂度。

关键词：统计语言模型蒙古语连续语音识别系统语料库复杂度数据平滑词的自动聚类混合语言模型

来源：评论

学校读者我要写书评

暂无评论

时间感知的微博检索技术研究

时间感知的微博检索技术研究

引用

作者：卫冰洁中国科学院大学

学位级别：博士

随着Web2.0设计理念的普及和技术的不断成熟，“以人为本”的网络模式逐渐成为当今互联网的主流，微博是其中具有代表性的应用之一。面对着海量的微博数据，微博检索已经成为用户在微博平台中提取个人所需信息的重要手段，针对微博检索... 详细信息

随着Web2.0设计理念的普及和技术的不断成熟，“以人为本”的网络模式逐渐成为当今互联网的主流，微博是其中具有代表性的应用之一。面对着海量的微博数据，微博检索已经成为用户在微博平台中提取个人所需信息的重要手段，针对微博检索的研究已经是近年来信息检索领域的热点之一。　　微博检索属于文本检索的范畴，但是作为网络中的新型数据，它又表现出不同于传统文本检索的特点。一方面，微博文档相对于传统文本具有很多新特征，例如微博文本具有字数限制（通常不超过140个字）;内容中包含有特殊意义的标签＃和@等。另一方面，多数微博查询具有时间敏感性。时间敏感查询是指当用户查找的话题具有时效性时，用户输入的与当时实时背景相关的查询，比如对热点事件的搜索等。传统的信息检索方法仅考虑了查询与文档的语义相似度，不足以很好的处理这类型查询。在相关技术中融入时间因素是目前典型的解决手段之一，统称为时间感知的检索技术。综上所述，与传统检索相比，微博文档和微博查询具有不同的特点，给微博检索研究提出了新的问题和难点。　　本文将从微博检索与传统信息检索的不同点出发，以信息检索过程为主线，分别对文档先验、文本表示、查询扩展三方面进行深入研究，并提出了新的检索模型，主要的贡献和创新点如下所示:　　***-一个基于高频时刻的混合语言模型。在统计语言模型的背景下，融入时间因素的代表性工作是定义文档的时间先验，主要分为与查询无关和与查询有关两种做法。这两类方法都基于“时间越新文档越重要”这个简单假设。然而，通过统计观察发现，多数微博查询的大部分相关文档并没有分布在最新时刻，也就是说提高最新时刻的文档重要度可能会对微博查询带来反作用，由此表明这一假设并不适合所有查询。因此本文定义相关文档分布突出的时刻为查询高频时刻（High-Frequency Time），并提出HTLM(High-Frequency Time LanguageModel)系列模型。在此基础上，通过JM平滑方法融合文档的背景时间先验和查询时间先验，提出混合时间语言模型(Mix Timed Language Model，简称MTLM)。实验表明，HTLM模型的效果优于已有模型，混合模型相比单一模型进一步提升了微博检索的效果。　　***-一个融合聚类和时间的微博排序模型。通过对比微博检索和传统信息检索可知，微博文档属于短文本，不够丰富的信息量不利于构造准确的语言模型;同时微博文本中含有主题概括词（＃标签，称为Hashtag），有利于确定微博与查询的相关程度;微博查询大都是时间敏感查询，在计算查询与文档的语义相似度的同时应该考虑时间信息。这三个特点对于微博搜索都非常重要，因此，本文针对微博文档的特征和微博查询的时间性提出了融合多因素的检索方法（Cluster& Time Language Model，简称CTLM）。具体地，本文使用聚类方法达到融合微博的Hashtag信息和对微博文本进行扩充的目的，通过定义文档的时间先验在排序模型中引入时间因素。实验结果表明，与原始检索模型相比，本文提出的方法具有更优的微博检索性能。　　***-一个利用时间序列信息的查询扩展方法。微博查询大都是时间敏感查询，在考虑时间属性的查询扩展研究中，大多数工作是以时刻为单位在扩展过程中引入时间信息的，并假设时刻之间完全独立。但是很显然时刻和时刻之间并非完全独立而是相互影响的。本文对微博查询进行分析发现，当扩展词与查询词相关时，二者在时间分布上具有一定的相似性，同时当扩展词与查询词不相关时，二者的时间分布具有较大的差异性。因此，本文基于词项的时间分布信息定义其时间序列概率，然后以相关模型为基础模型，提出三个利用时间序列信息的查询扩展方法（Time Series Relevance Model，简称TSRM）。实验结果表明，TSRM可以显著提高微博检索的性能。

关键词：微博检索混合语言模型微博排序模型查询扩展技术

来源：评论

学校读者我要写书评

暂无评论

基于词片和Lattice的汉语语音检索技术研究

基于词片和Lattice的汉语语音检索技术研究

引用

作者：李海洋哈尔滨工业大学

学位级别：硕士

语音检索是语音识别研究中的一个新领域,其目的是在大量语音资源中搜索和返回与用户给出的查询词(Query)相关联的语音段或语音文件。它通过事先为语音资源建立索引,从而实现了基于语义内容的快速搜索。本文的主要工作是研究汉语语音检... 详细信息

语音检索是语音识别研究中的一个新领域,其目的是在大量语音资源中搜索和返回与用户给出的查询词(Query)相关联的语音段或语音文件。它通过事先为语音资源建立索引,从而实现了基于语义内容的快速搜索。本文的主要工作是研究汉语语音检索系统的性能优化策略。首先,系统地介绍了语音检索系统的框架和原理。其次,对语音检索系统前端自动语音识别器( Automatic Speech Recognition,简称ASR)的语言模型进行优化。为充分利用音节和音节之间相互搭配的语言学信息,提出汉语中词片的概念。并将词片用作语言模型基元,给出了简单有效的词片选择算法。利用音节标注语料,经过词片选择,就可以利用其训练音节/词片语言模型。将音节/词片语言模型与词语言模型线性融合得到混合语言模型。音节/词片语言模型和混合语言模型应用到连续语音识别系统中,分别较音节语言模型和词语言模型取得了更好的识别结果。第三,给出完整的语音检索在线部分处理过程,包括利用音节Lattice建立索引,Query词的搜索,根据后验概率进行词确认,以及交叠处理等步骤。提出将含有表示多音节基元的Lattice转换成只含有单音基元Lattice的方法,并将其应用到建立索引的过程中,有效地避免多音节基元影响词表外词(Out-of-Vocabulary,简称OOV)的词检出问题。并在提出边分解方法的基础上,对Lattice中冗余顶点进行去除,在仅牺牲很小检出性能的情况下,使Lattice规模大幅度减小,词检出速度提高。对利用几种语言模型解码得到的Lattice建立索引,进行词检出性能的比较。最后,在结论中对语音检索的进一步研究方向进行了讨论。

关键词：语音检索网格词片混合语言模型

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：