检索结果-内蒙古大学图书馆

作者：韩穗北京大学

学位级别：硕士

在现今的大数据时代，信息检索已经成为人们日常生活和工作必不可少的信息工具，与此同时，海量的数据，以及人们高效率的生活工作节奏也不断地对搜索引擎提出新的要求。怎样才能为用户检索到最贴近用户信息需求的信息，怎样在信息以指... 详细信息

在现今的大数据时代，信息检索已经成为人们日常生活和工作必不可少的信息工具，与此同时，海量的数据，以及人们高效率的生活工作节奏也不断地对搜索引擎提出新的要求。怎样才能为用户检索到最贴近用户信息需求的信息，怎样在信息以指数级进行递增的时代，对新增的文档建立索引，并且最及时的反馈给有相关信息需求的用户，就成为了现今信息检索界探究的主要问题。对于前者，问题的难点和重点都在对给定查询文档相关性的排序算法的研究上，文章将集中在这个问题上进行展开。\n 主要研究内容包括:1）对信息检索中涉及到的相关性，倒排索引等基本理论，和常规搜索系统的基本架构，以及开源信息检索平台Terrier进行简单介绍;2)对tf-idf、布尔模型、概率模型、统计语言模型等文档排序算法进行了详细介绍与研究分析;3）验证将现有模型结合域相关信息进行扩展有利于提高检索性能，针对域检索对权重值估计没有一个合理的解释，本文提出域权值可以是域相关性的度量的观点，并且使用估计域权重可用的信息源对域权值进行估计和计算，最后与性能最优的域权值进行比较验证观点的可行性;4）因为在统计语言模型中添加域信息需要使用平滑技术，我们对平滑技术的效果进行了研究分析，并且提出二次平滑方法，对其平滑效果进行评估，验证了二次平滑技术的整体平滑效果优于一次平滑技术，其中Dirichlet二次平滑效果最优;5）结合以上研究分析提出三种基于统计语言模型的启发式二级平滑域检索排序算法。

关键词：统计语言模型域检索排序算法 KL距离二次平滑技术

来源：评论

学校读者我要写书评

暂无评论

现代藏语信息熵的估算及语言模型的复杂度

引用

电子技术与软件工程 2020年第17期 213-215页

作者：完么扎西青海师范大学民族师范学院青海省西宁市810008

本文将信息论的方法引入藏文信息处理技术研究领域,采用一种基于统计语言模型的信息熵估计方法,在300多万(音节)字的藏语单语语料规模上,对不同藏语语言模型估算了信息熵及其复杂度。

关键词：统计语言模型信息熵复杂度

来源：评论

学校读者我要写书评

暂无评论

基于深度学习的文本纠错关键技术研究

基于深度学习的文本纠错关键技术研究

引用

作者：李威华中科技大学

学位级别：硕士

随着我国移动网络行业和大数据技术的快速发展,各类互联网应用层出不穷,导致互联网用户规模呈指数级增长,因此累积了海量非结构化中文文本数据。海量中文文本数据中蕴含了丰富的语义信息和重要的语义知识,但同样也存在各种人为输入错误... 详细信息

随着我国移动网络行业和大数据技术的快速发展,各类互联网应用层出不穷,导致互联网用户规模呈指数级增长,因此累积了海量非结构化中文文本数据。海量中文文本数据中蕴含了丰富的语义信息和重要的语义知识,但同样也存在各种人为输入错误导致的数据噪音,从而降低了文档整体平均质量,也间接影响了对海量文本数据进行数据挖掘的价值。但是,中文文本数据规模的海量化导致传统基于人工方式的文本质量评估和文本纠错方法存在巨大的时间开销,因此如何高效地对文本数据进行自动化质量评估和文本纠错是工业界和学术界重点关注的研究问题之一。近年来,中文文本纠错任务受到越来越多人工智能领域研究学者的关注,因此本文结合中文独有的语法结构和特性,重点研究面向金融领域的中文文本纠错问题,提出了一种基于语言模型的中文文本纠错方法,其具体工作包含如下三个部分:第一,中文文本数据预处理。综合分析金融垂直领域文本纠错数据的分布规律,通过数据过滤和数据增强等方式提升数训练数据的质量和利用率,结合训练数据分析得到领域混淆字典,从而引入垂直领域知识信息,然后对金融垂直领域语料进行预处理,用于训练N-gram语言模型和微调BERT预训练语言模型,学习领域化知识。第二,文本检错模块。针对文本纠错问题,本文采用深度学习的方法对待纠错文本进行异常点检测,并进行了对比实验。结合Word2Vec方法、双向LSTM模型和BERT语言模型等深度学习方法提出新的WL-BERT文本检错模型,通过融合不同语义的词向量对句子中的每个字符做二分类预测得到异常点位置,达到了本文最优的文本纠错效果,检错F1值达到0.849。第三,文本纠错模块。主流的传统模型是基于N-gram的纠错模型,但是其长距离依赖建模能力和上下文理解能力较差,同时传统的深度学习模型也无法很好地引入垂直领域知识,所以本文将N-gram语言模型和BERT语言模型模型进行集成操作。首先对于检错模块得到的待纠错句子异常点位置进行N-gram模型纠错,结合领域混淆字典得到纠错候选集,判断不同句子的困惑度进行纠错操作,接下来采用BERT语言模型进行纠错,得益于attention机制强大的上下文理解能力和预训练语言模型无监督学习得到的中文知识,能够针对每个位置更好地给出符合上下文语境的纠错候选集,经由置信度-相似度过滤器模块进行文本的纠错操作。实验结果表明,本文提出的模型文本纠错性能最好,F1值最高能达到0.824,比单独采用BERT模型的纠错性能提升了4.1 F1。通过模型集成的方法,不仅利用了深度学习强大的学习、泛化能力,还引入规则化的混淆字典,结合不同方法的优点,从而达到了更好的中文文本纠错效果。

关键词：中文文本纠错预训练语言模型注意力机制统计语言模型模型集成

来源：评论

学校读者我要写书评

暂无评论

基于CLDNN混合模型的中文语音识别系统

基于CLDNN混合模型的中文语音识别系统

引用

作者：巫两璟电子科技大学

学位级别：硕士

目前语音识别技术中运用较成熟的高斯混合-隐马尔科夫模型(Gauss MixedModel and Hidden Markov Model,GMM-HMM),其结构简单,实现方便,小数据下训练速度较快。但随着语料库的增大,及语音识别精度的要求变高,GMM-HMM难以穷举所有的文字关... 详细信息

目前语音识别技术中运用较成熟的高斯混合-隐马尔科夫模型(Gauss MixedModel and Hidden Markov Model,GMM-HMM),其结构简单,实现方便,小数据下训练速度较快。但随着语料库的增大,及语音识别精度的要求变高,GMM-HMM难以穷举所有的文字关系,导致其对数据的适应性差,识别效果不够好,且传统模型使用解析语音的音素信号序列与对应文字进行训练,需对齐语料语音与文字标签,以上弊端使GMM-HMM等传统模型难以满足需求。针对上述问题,本文基于卷积长短时记忆深度网络(Convolutional Long stortterm Deep Nerual Network,CLDNN),对传统模型提出了三种改进方案。第一,针对该模型需要对齐输入输出标签,统一对齐输入信号长度,每次输入均完整输入整段语音,只需要整段文字对应的文字标签,并与连接时序分类(Connectionist Temporal Classfication,CTC)结合。第二,针对该模型在应用上述改进后适应性不足的问题,用深层CNN代替浅层CNN,可提取更高级的特征提供给后续层,更适应中文语音识别任务应用场景。第三,针对该模型中双层相关联的LSTM复杂且无法获得下文信息的问题,采用门控循环单元(Gated Recurrent Unit,GRU)简化和加强LSTM层,两层相关联但方向不同的GRU组成的双向GRU(Bi-directional GRU,BiGRU)能在一个时刻同时获得上下文信息,有更强的时序反馈能力。为了验证三种改进方案的有效性,本文以传统的CLDNN模型作为基准,设计实验进行验证,与单独添加三种改进方案后的模型、需要对齐标签的传统GMMHMM模型,以及主流Deep CNN-CTC模型进行对比。实验结果证明了改进的CLDNN-CTC模型在准确性与无需标签对齐上的优越性。最后,本文基于浏览器-服务器架构,应用三种改进后的CLDNN混合模型,构建了中文语音识别系统。其主要功能包括语音识别、纠正词典、识别记录查询等,用户可以在浏览器上使用该系统进行语音识别,并对识别结果进行修改、保存和反馈,还可以添加特殊词到纠正字典,服务器会重新对识别结果查错,并根据纠正词典对错误进行修正,提高识别准确率。为了检验系统实际应用效果,本文对系统的纠正词典及语音识别功能进行了测试。测试结果表明系统的纠正词典以及语音识别功能达到预期效果,具有较好的鲁棒性及泛化能力。

关键词：卷积神经网络双向门控循环单元连接时序分类统计语言模型中文语音识别系统

来源：评论

学校读者我要写书评

暂无评论

一种用于智能生成类文本的业务热词识别转换的方法

一种用于智能生成类文本的业务热词识别转换的方法

引用

作者：徐波 510530 广东省广州市萝岗区伴河路90号自编一栋301房

本发明公开了一种用于智能生成类文本的业务热词识别转换的方法，收集语料并构建业务热词库；将智能生成得到的文本按业务热词的长度进行划分，并分别与热词进行一次简要快速的相似度匹配计算，过滤掉绝大部分相似度较低的划分词；对保... 详细信息

标准号: CN111680476B

本发明公开了一种用于智能生成类文本的业务热词识别转换的方法，收集语料并构建业务热词库；将智能生成得到的文本按业务热词的长度进行划分，并分别与热词进行一次简要快速的相似度匹配计算，过滤掉绝大部分相似度较低的划分词；对保留的相似度较高的划分词，再进行一次具体的相似度匹配计算，保留相似度高的划分词；使用语料训练统计语言模型，将保留的相似度高的划分词，采用热词对其进行替换形成新的句子文本，用预训练好的语言模型对替换前与替换后两个句子进行打分；根据语言模型打分结果，判定替换是否保留。可以快速和智能地为智能生成的文本进行识别匹配，在文本中的词汇与热词相似度较高及替换后语句流畅度较高的情况下实现智能替换。

关键词：相似度替换热词文本智能生成相似度匹配计算保留语言模型语料句子统计语言模型智能流畅度词库构建语句匹配过滤判定词汇转换

来源：评论

学校读者我要写书评

暂无评论

文本纠错方法、装置、设备及介质

文本纠错方法、装置、设备及介质

引用

作者：郑立颖徐亮肖京 518000 广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼

本申请涉及人工智能技术领域，揭示了一种文本纠错方法、装置、设备及介质，其中方法包括：根据目标词典对引擎纠错后的文本进行分词及错误用词判断得到第一潜在错误用词数据；将引擎纠错后的文本输入预训练模型进行替换概率预测得到替... 详细信息

标准号: CN112380840B

本申请涉及人工智能技术领域，揭示了一种文本纠错方法、装置、设备及介质，其中方法包括：根据目标词典对引擎纠错后的文本进行分词及错误用词判断得到第一潜在错误用词数据；将引擎纠错后的文本输入预训练模型进行替换概率预测得到替换概率预测结果，根据替换概率预测结果确定第二潜在错误用词数据；根据引擎纠错后的文本、第一潜在错误用词数据和第二潜在错误用词数据确定候选替换句得到多个待评分的候选替换句；分别将每一个待评分的候选替换句输入统计语言模型进行候选替换句评分得到多个候选替换句评分结果；根据多个候选替换句评分结果确定目标候选替换句。从而实现了对规则以内和规则以外的错误情况的识别，提高了文本纠错的准确性。

关键词：替换纠错词数据文本概率预测引擎评分结果人工智能技术统计语言模型结果确定训练模型分词申请

来源：评论

学校读者我要写书评

暂无评论

一种电力领域中文文本纠错方法、装置、存储介质及计算设备

一种电力领域中文文本纠错方法、装置、存储介质及计算设备

引用

作者：刘子全杨景刚胡成博王真朱雪琼高山马径坦刘咏飞赵科路永玲 210000 江苏省南京市江宁区帕威尔路1号

本发明公开了一种电力领域中文文本纠错方法、装置、存储介质及计算设备，该方法包括：将需要纠错的电力领域中文文本中的句子输入到训练好的电力领域预训练语言模型中，得到句子中每个字的预测字符序列；对每个字的预测字符序列进行筛... 详细信息

标准号: CN114118065B

本发明公开了一种电力领域中文文本纠错方法、装置、存储介质及计算设备，该方法包括：将需要纠错的电力领域中文文本中的句子输入到训练好的电力领域预训练语言模型中，得到句子中每个字的预测字符序列；对每个字的预测字符序列进行筛选得到句子中每个字的语义候选集；将同一句子分别输入到拼音混淆词典、字形混淆词典和电力领域自定义混淆词典中，得到句子中每个字的拼音混淆集、字形混淆集和自定义混淆集；基于语义候选集、拼音混淆集、字形混淆集和自定义混淆集对句子中的字进行纠错。本发明采用预训练语言模型来代替统计语言模型，构建针对电力行业的文本纠错方案，可以有效提升文本纠错的效果。

关键词：混淆纠错句子电力领域自定义拼音语义语言模型中文文本字符序列候选集文本统计语言模型存储介质电力行业计算设备句子输入构建预测筛选

来源：评论

学校读者我要写书评

暂无评论

一种急救场景的医疗文本纠错及智能提取的方法及装置

一种急救场景的医疗文本纠错及智能提取的方法及装置

引用

作者：李劲松杨宗峰周逸飞田雨周天舒 311121 浙江省杭州市余杭区中泰街道科创大道之江实验室

本说明书公开了一种急救场景的医疗文本纠错及智能提取的方法及装置，可以获取语音识别出的急救医疗文本，而后，根据统计语言模型和/或错字识别模型，确定急救医疗文本中存在的错误位置，进而，确定每个错误位置对应的候选代替字，并... 详细信息

标准号: CN116306589B

本说明书公开了一种急救场景的医疗文本纠错及智能提取的方法及装置，可以获取语音识别出的急救医疗文本，而后，根据统计语言模型和/或错字识别模型，确定急救医疗文本中存在的错误位置，进而，确定每个错误位置对应的候选代替字，并根据每个错误位置对应的候选代替字，确定将急救医疗文本进行纠错后的各候选纠错文本，以从各候选纠错文本中选取出目标文本，最后，可以将预设的医疗信息类型与目标文本输入到预先训练的信息提取模型的第一网络层中，以使第一网络层输出提示信息向量，将提示信息向量和目标文本输入到信息提取模型的第二网络层，以通过信息提取模型从目标文本中提取出该医疗信息类型下的医疗信息，从而提高了信息提取的准确性。

关键词：目标文本信息提取模型错误位置急救医疗医疗信息网络层文本纠错文本提示信息向量纠错统计语言模型信息提取语音识别智能提取错字预设急救取出场景输出医疗

来源：评论

学校读者我要写书评

暂无评论

基于图像识别的唇语识别方法、装置、设备及存储介质

基于图像识别的唇语识别方法、装置、设备及存储介质

引用

作者：周亚云马骏王少军 518033 广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼

本发明涉及人工智能领域，公开了一种基于图像识别的唇语识别方法、装置、设备及存储介质。该方法包括：实时采集唇语用户的多帧人脸图像进行关键点检测与唇部区域定位，得到各人脸图像对应的唇部区域图像；依次对各人脸图像对应的唇部... 详细信息

标准号: CN112784696B

本发明涉及人工智能领域，公开了一种基于图像识别的唇语识别方法、装置、设备及存储介质。该方法包括：实时采集唇语用户的多帧人脸图像进行关键点检测与唇部区域定位，得到各人脸图像对应的唇部区域图像；依次对各人脸图像对应的唇部区域图像进行特征提取，得到唇语用户的唇部特征序列；将唇部特征序列输入预置唇语识别模型，输出唇语用户对应的发音音素序列；将发音音素序列转换成文字格式的多个自然语句，并通过预置统计语言模型对多个自然语句进行打分，得到目标自然语句；将目标自然语句进行音频转换，得到唇语发音并进行播报。本发明能从实时采集的唇语图像数据中识别出唇语表达语句，并进行播报，使无声的唇语得以实时发声。

关键词：自然语句唇部区域人脸图像唇语识别发音音素实时采集特征序列播报唇部预置图像人工智能领域统计语言模型关键点检测存储介质特征提取图像识别图像数据文字格式序列转换音频转换发声多帧语句发音输出

来源：评论

学校读者我要写书评

暂无评论

敏感倾向表述检测方法、装置、设备及存储介质

敏感倾向表述检测方法、装置、设备及存储介质

引用

作者：顾大中胡惠文 518033 广东省深圳市福田区福田街道福安社区益田路5033号平安金融中心23楼

本发明涉及人工智能领域，公开了一种敏感倾向表述检测方法、装置、设备及存储介质。所述敏感倾向表述检测方法包括：获取待检测的文本表述；将文本表述分别输入预置BERT模型进行向量编码、输入预置统计语言模型进行特征提取、以及进行... 详细信息

标准号: CN112732912B

本发明涉及人工智能领域，公开了一种敏感倾向表述检测方法、装置、设备及存储介质。所述敏感倾向表述检测方法包括：获取待检测的文本表述；将文本表述分别输入预置BERT模型进行向量编码、输入预置统计语言模型进行特征提取、以及进行嵌入词向量转化，分别得到多个文本词向量、多个文本特征向量、以及多个嵌入词向量；将各向量分别输入预置第一敏感倾向识别模型、预置第二敏感倾向识别模型、预置第三敏感倾向识别模型进行识别，得到对应的具有敏感倾向表述的第一概率、第二概率，以及第三概率；对第一概率、第二概率、第三概率进行投票，确定文本表述是否具有敏感倾向。本发明可以高效且精准地检测出包含敏感内容的文本表述信息。

关键词：预置敏感文本表述概率检测词向量向量嵌入人工智能领域统计语言模型文本特征向量存储介质敏感内容特征提取向量编码文本词投票转化

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：