检索结果-内蒙古大学图书馆

第十二届全国机器翻译研讨会

作者：孔金英杨雅婷董瑞王磊袁扬李晓中国科学院新疆理化技术研究所新疆乌鲁木齐830011 新疆民族语音语言信息处理重点实验室新疆乌鲁木齐 830011 中国科学院大学北京100049 中国科学院新疆理化技术研究所新疆乌鲁木齐830011 新疆民族语音语言信息处理重点实验室新疆乌鲁木齐 830011

深度神经网络是深度学习技术的代表,是一种模拟人脑的计算模型,已经在人工智能的很多领域取得了突破性的成果.基于神经网络的机器翻译是利用深度神经网络进行源语言到目标语言转换的技术,与传统的统计机器翻译技术有着很大的差别.虽然... 详细信息

深度神经网络是深度学习技术的代表,是一种模拟人脑的计算模型,已经在人工智能的很多领域取得了突破性的成果.基于神经网络的机器翻译是利用深度神经网络进行源语言到目标语言转换的技术,与传统的统计机器翻译技术有着很大的差别.虽然基于神经网络的机器翻译结构十分简单,但是其达到的翻译效果已经接近或者超过传统的基于短语的机器翻译技术.本文提出了一种基于神经网络的维吾尔语到汉语的机器翻译方法.通过实验证明,在特定的短文本口语翻译领域,本文提出的神经网络机器翻译方法的结果优于传统的基于短语的机器翻译技术.

关键词：维汉口语机器翻译神经网络深度学习

来源：评论

学校读者我要写书评

暂无评论

面向维汉机器翻译的语料筛选技术研究

引用

计算机应用研究 2016年第12期33卷 3654-3657页

作者：孔金英温政阳杨雅婷王磊李晓中国科学院新疆理化技术研究所乌鲁木齐830011 新疆民族语音语言信息处理重点实验室乌鲁木齐830011 中国科学院大学北京100049 乌鲁木齐市公安局电子数据鉴定实验中心乌鲁木齐830000 中国科学院声学研究所北京100190

统计机器翻译是目前主流的机器翻译技术,其在维汉翻译中良好的性能已经得到了广泛的认可。维汉统计机器翻译的最终结果同样是受这几方面的影响:翻译模型、语言模型、语料质量和规模等。旨在通过对维汉双语训练语料的筛选来提高最终的机... 详细信息

统计机器翻译是目前主流的机器翻译技术,其在维汉翻译中良好的性能已经得到了广泛的认可。维汉统计机器翻译的最终结果同样是受这几方面的影响:翻译模型、语言模型、语料质量和规模等。旨在通过对维汉双语训练语料的筛选来提高最终的机器翻译性能。在相关学者的研究基础上,提出了改进的IBM1模型评价句对齐质量、双语语言模型困惑度进行语料筛选和多种筛选指标综合求交集的方法。这些方法没有语言特性的依赖,支持维汉双语语料的筛选。通过实验可证明,使用笔者提出的方法可以得到更优的维汉机器翻译结果。

关键词：维汉机器翻译语料筛选语言模型

来源：评论

学校读者我要写书评

暂无评论

基于循环时间卷积网络的序列流推荐算法

引用

计算机科学 2020年第3期47卷 103-109页

作者：李太松贺泽宇王冰颜永红唐向红中国科学院声学研究所语言声学与内容理解重点实验室北京100190 中国科学院大学电子电气与通信工程学院北京100190 中国科学院新疆理化技术研究所新疆民族语音语言信息处理重点实验室乌鲁木齐830011 贵州大学现代制造技术教育部重点实验室贵阳550025

针对循环神经网络(Recurrent Neural Network,RNN)模型在序列流推荐中只能从宏观上捕捉序列的演变模式,忽略了物品(Item)间内部的微观联系,无法长程建模序列数据的变化规律的问题,提出了多维度序列建模算法循环时间卷积网络(Recurrent T... 详细信息

针对循环神经网络(Recurrent Neural Network,RNN)模型在序列流推荐中只能从宏观上捕捉序列的演变模式,忽略了物品(Item)间内部的微观联系,无法长程建模序列数据的变化规律的问题,提出了多维度序列建模算法循环时间卷积网络(Recurrent Temporal Convolutional Network,RTCN)。首先,将每个物品表示成定长向量,采用多层因果卷积和扩张卷积操作扩大感受野范围,建立序列元素间的长程依赖关系。利用残差连接网络提取不同层次的特征信息,解决反向传播中梯度衰减甚至消失的问题。综合设计时间卷积网络(Temporal Convolutional Network,TCN)提取序列流中前后物品间的局部特征,将物品信息映射到隐藏空间,得到细粒度的特征向量。为进一步建立元素间的宏观联系,将特征向量依次输入门限循环单元(Gated Recurrent Unit,GRU),迭代更新现有隐藏状态并预测下一时刻的输出。RTCN通过时间卷积网络,从输入序列流提取出长时间、多维度、细粒度的局部关联特征;经过门限循环网络,建模序列间的长距离依赖关系,捕捉序列元素的演变模式,并预测下一个出现的物品。利用网站、手机应用和音乐3个不同场景中的数据对模型进行了实验。实验结果显示,RTCN模型在召回率(Recall)和平均排序倒数(MRR)两个指标上比RNN模型高出6%~13%,比传统推荐算法高出9%~59%。通过对比不同的损失函数,模型在交叉熵损失函数下表现最优。此外,由于TCN中的卷积层具有多通道的结构,当数据维度丰富时,该模型对物品和用户的上下文信息具有很强的综合能力。

关键词：推荐系统深度学习序列流推荐时间卷积网络循环神经网络

来源：评论

学校读者我要写书评

暂无评论

基于CNN-SVM和转发树的微博事件情感分析

引用

情报工程 2017年第3期3卷 77-85页

作者：涂曼姝张艳颜永红中国科学院声学研究所语音声学与内容理解重点实验室北京100190 中国科学院新疆理化技术研究所新疆民族语音语言信息处理实验室乌鲁木齐830011 中国科学院大学北京100190

基于微博的情感分析近几年获得了广泛的关注,但是通常是对微博上的电影或者产品的评论。我们的研究目标是针对微博上的热点事件的分析,将这些事件的评论分为正向或者负向,将微博用户的评论进行分类有利于辨别公众对于这个事件的普遍看... 详细信息

基于微博的情感分析近几年获得了广泛的关注,但是通常是对微博上的电影或者产品的评论。我们的研究目标是针对微博上的热点事件的分析,将这些事件的评论分为正向或者负向,将微博用户的评论进行分类有利于辨别公众对于这个事件的普遍看法。本文提出了一个基于卷积神经网络的混合模型:CNN-SVM,用于对事件的评论进行分类。其次,根据微博用户的转发行为,我们提出了一种新的数据结构——转发树,用以解决评论中的一些分类混乱情况。实验结果表明CNN-SVM确实提高了情感分类的正确率,新提出的转发树结构在对真实世界的情感倾向性的逼近中也是十分有效的。

关键词：情感分析 CNN-SVM 转发树

来源：评论

学校读者我要写书评

暂无评论

基于时域和时频域联合优化的语音增强算法

引用

网络新媒体技术 2021年第5期10卷 37-42页

作者：杨帆李军锋颜永红中国科学院声学研究所语言声学与内容理解重点实验室北京100190 中国科学院大学北京100049 中国科学院新疆理化技术研究所新疆民族语音语言信息处理实验室乌鲁木齐830011

基于深度学习的语音增强算法从带噪语音信号的时域或者时频域中恢复出干净的语音信号。然而,时域和时频域的增强算法都有自己的优点和不足。针对这一问题,本文提出了一种基于时域和时频域联合优化的语音增强算法。在生成对抗网络框架下... 详细信息

基于深度学习的语音增强算法从带噪语音信号的时域或者时频域中恢复出干净的语音信号。然而,时域和时频域的增强算法都有自己的优点和不足。针对这一问题,本文提出了一种基于时域和时频域联合优化的语音增强算法。在生成对抗网络框架下,分别构建了时域和时频域的学习目标。在训练过程中,利用跳跃连接搭建了深层次的网络结构,通过对不同领域学习目标的联合优化,获得了语音增强性能的改善。实验结果表明:相比基线模型,本文提出的算法在多个客观评价指标上都具有更好的表现。

关键词：生成对抗网络神经网络语音增强

来源：评论

学校读者我要写书评

暂无评论

基于JSON的离线数据同步策略及应用

引用

计算机系统应用 2017年第12期26卷 257-261页

作者：穆鑫鑫蒋同海程力马玉鹏中国科学院新疆理化技术研究所乌鲁木齐830011 新疆民族语音语言信息处理实验室乌鲁木齐830011 中国科学院大学计算机与控制学院北京100049

针对智能移动应用的特殊性及其在离线情况下的数据同步问题,提出了一种数据同步方案,使用JSON技术设计数据交换协议,移动端离线数据存放在SQLite数据库中、使用基于时间戳的冲突检测算法提高同步的准确性,并采用增量同步方式保证同步的... 详细信息

针对智能移动应用的特殊性及其在离线情况下的数据同步问题,提出了一种数据同步方案,使用JSON技术设计数据交换协议,移动端离线数据存放在SQLite数据库中、使用基于时间戳的冲突检测算法提高同步的准确性,并采用增量同步方式保证同步的效率和准确性.将该策略应用在智慧安防系统中,结果表明,基于JSON离线数据同步效率相比传统基于XML的方案提高约8%.

关键词：数据同步 JSON SQLite 混合移动应用

来源：评论

学校读者我要写书评

暂无评论

基于资源分配网络的小数据集并行集成学习方法

引用

计算机应用研究 2019年第4期36卷 997-1000页

作者：张安国张树勋朱巍李秀敏黄金龙锐捷网络股份有限公司锐捷研究院福州350002 中国科学院新疆理化技术研究所乌鲁木齐830011 中国科学院大学北京100049 新疆民族语音语言信息处理实验室乌鲁木齐830011 重庆大学自动化学院重庆400044 长江师范学院重庆408100

为了在小规模的训练数据集上获得一个具有稳定的高计算精度的算法模型,提出了一种基于扩展卡尔曼滤波器的资源分配网络并行集成学习方法。该集成系统由多个带有扩展卡尔曼滤波器的资源分配网络(RANEKF)组成,并且每个RANEKF子网的输入由... 详细信息

为了在小规模的训练数据集上获得一个具有稳定的高计算精度的算法模型,提出了一种基于扩展卡尔曼滤波器的资源分配网络并行集成学习方法。该集成系统由多个带有扩展卡尔曼滤波器的资源分配网络(RANEKF)组成,并且每个RANEKF子网的输入由原始数据集中的输入经过随机权值的修正得到。通过和其他神经网络构成的集成学习算法的实验对比,发现提出的方法在小训练集上拥有更高的计算精度和稳定性。

关键词：资源分配网络并行集成学习增量学习扩展卡尔曼滤波器

来源：评论

学校读者我要写书评

暂无评论

基于多策略的维吾尔文网页识别方法

基于多策略的维吾尔文网页识别方法

引用

第十五届全国计算语言学学术会议(CCL2016)暨第四届基于自然标注大数据的自然语言处理国际学术研讨会(NLP-NABD-2016)

作者：阿力木·木拉提艾孜尔古丽杨雅婷李晓中国科学院新疆理化技术研究所乌鲁木齐830011 新疆民族语音语言信息处理重点实验室乌鲁木齐830011 中国科学院大学北京100049 新疆师范大学计算机科学技术学院乌鲁木齐830054 中国科学院新疆理化技术研究所乌鲁木齐830011 新疆民族语音语言信息处理重点实验室乌鲁木齐830011

经过对大量维吾尔文网站的调查与分析,本文从多语种混合网页中针对维吾尔文网页识别进行了研究.这对维吾尔语信息处理工作起着关键的作用.首先本文探讨了维吾尔文不规范网页的字符编码转换规则及原理,以此对不规范维吾尔文字符进行了相... 详细信息

经过对大量维吾尔文网站的调查与分析,本文从多语种混合网页中针对维吾尔文网页识别进行了研究.这对维吾尔语信息处理工作起着关键的作用.首先本文探讨了维吾尔文不规范网页的字符编码转换规则及原理,以此对不规范维吾尔文字符进行了相应的处理.之后介绍了基于修改的N-Gram方法和基于维吾尔语常用词特征向量的两种方法,其中后者融合了维吾尔文常用候选词语料库及向量空间模型(VectorSpace Model).使用三种不同类型的维吾尔文网页文本作为本研究的数据集,在此基础上验证了本文提出的网页识别方法,以及采用不同的方法进行了网页识别的实验.实验结果表明,基于N-Gram的方法对正文较长的新闻或论坛网页的识别性能最佳,反而基于常用词特征向量的方法对短文本的网页识别性能优越N-Gram.所提方法对维吾尔文网页识别的整体性能达到90％以上,并验证了这两种方法的有效性.

关键词：维吾尔文网页识别 N-Gram方法常用词向量空间模型

来源：评论

学校读者我要写书评

暂无评论

基于艺人画像的歌曲点播量预测

引用

网络新媒体技术 2017年第3期6卷 20-26页

作者：吴桂平侯晓琴王冰周军张艳颜永红中国科学院声学研究所语音声学与内容理解重点实验室北京100190 上海海事大学上海201306 中国科学院信息工程研究所北京100093 中国科学院新疆理化技术研究所新疆民族语音语言信息处理实验室乌鲁木齐830011

用户画像可以用于用户相关事件的预测。在本文中,我们探索对用户画像的建模中结合外在因素的变化,对用户相关行为进行预测。在实验方面,我们以阿里音乐用户的历史播放数据为基础,结合外在主要相关事件,对艺人进行多维的画像,进而预测某... 详细信息

用户画像可以用于用户相关事件的预测。在本文中,我们探索对用户画像的建模中结合外在因素的变化,对用户相关行为进行预测。在实验方面,我们以阿里音乐用户的历史播放数据为基础,结合外在主要相关事件,对艺人进行多维的画像,进而预测某个时间段内艺人的歌曲点播量,挖掘出即将成为潮流的艺人,从而实现对一个时间段内音乐流行趋势的准确把控。实验结果表明,与传统的机器学习方法和时序模型方法相比,我们的算法具有很高准确率,且具有简洁,泛化能力强的特点。

关键词：用户画像 ARIMA 随机森林时间序列

来源：评论

学校读者我要写书评

暂无评论

基于注意力LSTM和多任务学习的远场语音识别

基于注意力LSTM和多任务学习的远场语音识别

引用

第十四届全国人机语音通讯学术会议

作者：张宇张鹏远颜永红中国科学院声学研究所语言声学与内容理解重点实验室中国科学院大学中国科学院新疆理化技术研究所新疆民族语音语言信息处理实验室

由于背景噪声,混响以及人声干扰等因素,远场语音识别任务一直充满挑战性。本文针对远场语音识别任务提出基于注意力机制和多任务学习框架的长短时记忆递归神经网络声学模型。模型中嵌入的注意力机制使其自动学习调整对扩展上下文特征输... 详细信息

由于背景噪声,混响以及人声干扰等因素,远场语音识别任务一直充满挑战性。本文针对远场语音识别任务提出基于注意力机制和多任务学习框架的长短时记忆递归神经网络声学模型。模型中嵌入的注意力机制使其自动学习调整对扩展上下文特征输入的关注度,显著提升了模型对远场语音的建模能力。为进一步提高模型的鲁棒性,我们引入多任务学习框架,使其联合预测声学状态和干净特征。AMI数据集上的实验结果表明,与基线模型相比,引入注意力机制和多任务学习框架的LSTM模型获得了绝对1 5%的词错误率下降。

关键词：远场语音识别长短时记忆声学模型注意力机制多任务学习

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：