检索结果-内蒙古大学图书馆

清华大学学报（自然科学版） 2013年第6期53卷 813-817页

作者：张陈昊郑方王琳琳清华大学计算机科学与技术系清华信息科学技术国家实验室技术创新和开发部语音和语言技术中心信息技术研究院语音和语言技术中心北京100084

对于基于Gauss混合模型-通用背景模型(Gaussianmixure model-universal background model,GMM-UBM)方法的文本无关说话人识别,当测试语音时长缩短到很短时,识别率会严重下降。为了充分利用文本内容信息,该文提出了一种基于K-top多音素... 详细信息

对于基于Gauss混合模型-通用背景模型(Gaussianmixure model-universal background model,GMM-UBM)方法的文本无关说话人识别,当测试语音时长缩短到很短时,识别率会严重下降。为了充分利用文本内容信息,该文提出了一种基于K-top多音素类模型混合(KPCMMM)的建模方法。在音素识别阶段,利用语音识别得到训练语音的音素序列,在说话人识别阶段利用音素序列对每个说话人训练多个音素类模型,测试语音则在最相近的音素类模型上进行打分判决,K是选取的相近音素类数。由于音素类定义的不同,KPCMMM方法分为基于专家知识和数据驱动这两类。实验结果显示选择合适的K值可以得到更好的识别结果。不同的音素类定义方法的比较实验结果显示:当测试语音时长小于2s时,对比GMM-UBM基线系统,该方法的等错误率(EER)相对下降38.60%。

关键词：短语音说话人识别语音识别音素类多模型

来源：评论

学校读者我要写书评

暂无评论

基于词义类簇的文本聚类

引用

中文信息学报 2013年第3期27卷 113-119页

作者：唐国瑜夏云庆张民郑方清华信息科学技术国家实验室技术创新和开发部语音和语言技术中心清华大学信息技术研究院语音和语言技术中心清华大学计算机科学与技术系北京100084 资讯通信研究院新加坡138632

文档表示是文本聚类的重要组成部分,该文旨在通过改进文档表示改进文本聚类。同义词和多义词现象是文档表示所面临的重要挑战。为此该文提出了词义类簇模型(Sense Cluster Model,SCM),在词义类簇空间上表示文档。SCM首先构造词义类簇空... 详细信息

文档表示是文本聚类的重要组成部分,该文旨在通过改进文档表示改进文本聚类。同义词和多义词现象是文档表示所面临的重要挑战。为此该文提出了词义类簇模型(Sense Cluster Model,SCM),在词义类簇空间上表示文档。SCM首先构造词义类簇空间,然后将文档表示在词义类簇空间上,获得每篇文档在每个词义类簇的概率。在词义类簇空间构造这一步骤中,首先利用词义归纳技术从文本中自动发现词义,接着采用词义聚类技术识别相同或者相似的词义从而获得词义类簇。词义类簇空间构造后,该文首先进行词义消歧,然后利用词义消歧的结果将文档表示在词义空间上。实验表明,SCM在标准测试集上的性能优于基线系统以及经典话题模型LDA。

关键词：文档聚类文档表示话题模型

来源：评论

学校读者我要写书评

暂无评论

新浪微博的大规模信息传播规律研究

引用

计算机科学与探索 2013年第6期7卷 551-561页

作者：易成岐鲍媛媛薛一波姜京池哈尔滨理工大学计算机科学与技术学院哈尔滨150080 清华大学信息技术研究院北京100084 清华大学信息科学技术国家实验室(筹) 北京100084

以Web2.0为代表的社会媒体正在深刻影响和改变信息的传播方式、人们的社交方式、大众的生活理念,社会网络也成为学术界和工业界的研究热点。以中国著名社交网站"新浪微博"的大规模数据为依托,研究了社会网络的信息传播问题,... 详细信息

以Web2.0为代表的社会媒体正在深刻影响和改变信息的传播方式、人们的社交方式、大众的生活理念,社会网络也成为学术界和工业界的研究热点。以中国著名社交网站"新浪微博"的大规模数据为依托,研究了社会网络的信息传播问题,揭示了社会网络的信息传播机制,提出了几种信息传播模型,尝试剖析社会网络的信息传播规律。这些研究成果既可以应用于信息传播预测、传播态势感知、个性化信息推荐、广告精准投放等多个领域,也可以用于发现不良用户和信息,保障网络和信息安全。

关键词：社会网络信息传播传播规律

来源：评论

学校读者我要写书评

暂无评论

基于使用率和尾功耗的智能手机功耗监测模型

基于使用率和尾功耗的智能手机功耗监测模型

引用

第一届开源操作系统设计与分析学术会议

作者：杜园园黄明义吕勇强王丹陈渝北京工业大学计算机学院北京100124 清华大学信息技术研究院北京100084 清华大学清华信息科学与技术国家实验室北京100084 清华大学信息技术研究院北京100084 清华大学清华信息科学与技术国家实验室北京100084 北京市中关村中学北京100086 清华大学信息技术研究院北京100084 清华大学清华信息科学与技术国家实验室北京100084 北京工业大学计算机学院北京100124

本文提出了一种新的智能手机功耗监测模型(U&T模型),该模型综合考虑硬件使用率和尾功耗(Tail Power)现象,增加了对缓存和内存影响的考虑.将硬件使用率和Tail Power作为两个随机变量,建立了二维离散型随机变量功耗模型,通过智能手机... 详细信息

本文提出了一种新的智能手机功耗监测模型(U&T模型),该模型综合考虑硬件使用率和尾功耗(Tail Power)现象,增加了对缓存和内存影响的考虑.将硬件使用率和Tail Power作为两个随机变量,建立了二维离散型随机变量功耗模型,通过智能手机实测的各硬件设备数据输入该功耗模型中训练,确定功耗模型的各项参数值.最后,通过基于Android智能手机的实验对该模型的理论功耗值与实际监测功耗值进行了比较,发现该模型对手机实时功耗监测的准确性较传统方法提高了50％.该模型为未来基于智能终端的各种普适应用和移动互联网应用的大规模发展,建立了更精确的功耗监测模型,可以更好地指导相关低功耗应用的开发.

关键词：智能手机功耗监测模型使用率尾功耗

来源：评论

学校读者我要写书评

暂无评论

智能终端网络功耗优化技术研究

智能终端网络功耗优化技术研究

引用

第一届开源操作系统设计与分析学术会议

随着移动云计算应用的大规模发展,智能终端各种网络应用日益增多,但由于移动网络具有误码率高,时延抖动大的特点,使得智能终端在网络传输过程中消耗电量严重.因此,本文针对该现象,对现有研究成果进行详细调研分析,其主要通过改变网络传... 详细信息

随着移动云计算应用的大规模发展,智能终端各种网络应用日益增多,但由于移动网络具有误码率高,时延抖动大的特点,使得智能终端在网络传输过程中消耗电量严重.因此,本文针对该现象,对现有研究成果进行详细调研分析,其主要通过改变网络传输协议降低智能终端电量的消耗.本文根据网络传输数据的特点,对网络传输数据大小、数据类型和协议三个方面进行优化,提出自适应数据优化策略,设计网络功耗优化方案,并基于Android系统的智能终端进行实现.最后,本文对上述研究内容进行详细的验证、测试和分析,证明本文采用的关键技术在WiFi和3G模式下传输相同数据均能降低终端功耗40％～60％,达到了低功耗、低成本网络传输的目的.

关键词：智能终端网络传输电量消耗功耗优化

来源：评论

学校读者我要写书评

暂无评论

基于多音素类模型的文本无关短语音说话人识别

基于多音素类模型的文本无关短语音说话人识别

引用

第十二届全国人机语音通讯学术会议（NCMMSC'2013）

作者：张陈昊郑方王琳琳清华信息科学技术国家实验室技术创新和开发部语音和语言技术中心清华大学信息技术研究院语音和语言技术中心清华大学计算机科学与技术系

对于基于GMM-UBM方法的文本无关说话人识别,当测试语音时长缩短到很短时,识别率会严重下降。为了充分利用本文内容信息,本文提出了一种基于多音素类模型混合的建模方法。这种方法分为两个阶段,首先音素识别阶段和说话人识别阶段:在音素... 详细信息

对于基于GMM-UBM方法的文本无关说话人识别,当测试语音时长缩短到很短时,识别率会严重下降。为了充分利用本文内容信息,本文提出了一种基于多音素类模型混合的建模方法。这种方法分为两个阶段,首先音素识别阶段和说话人识别阶段:在音素识别阶段,利用语音识别得到训练语音的音素序列,在说话人识别阶段利用音素序列对每个说话人训练多个音素类模型,测试语音则在最相近的音素类模型上进行打分判决。不同的音素类定义方法在本文中进行了比较。实验结果显示,当测试语音时长小于2秒时,对比GMM-UBM基线系统,本文提出的方法的等错误率(EER)相对下降38.60%。

关键词：短语音说话人识别语音识别音素类多模型

来源：评论

学校读者我要写书评

暂无评论

基于PLAR的说话人确认系统的噪音鲁棒性研究

基于PLAR的说话人确认系统的噪音鲁棒性研究

引用

第十二届全国人机语音通讯学术会议（NCMMSC'2013）

作者：尹聪白静龚宬张陈昊郑方 Waleed H.Abdulla 太原理工大学信息工程学院清华信息科学技术国家实验室技术创新和开发部语音和语言技术中心清华大学信息技术研究院语音和语言技术中心清华大学计算机科学与技术系 The University of Auckland

针对MFCC特征的说话人确认系统在干净语音环境下具有很高识别率,但在噪音环境下急剧下降的缺点,本文构建了基于PLAR特征的说话人确认系统,并对系统的噪音鲁棒性进行研究。PLAR又称为感知对数面积比系数,是一种运用人类听觉感知原理来表... 详细信息

针对MFCC特征的说话人确认系统在干净语音环境下具有很高识别率,但在噪音环境下急剧下降的缺点,本文构建了基于PLAR特征的说话人确认系统,并对系统的噪音鲁棒性进行研究。PLAR又称为感知对数面积比系数,是一种运用人类听觉感知原理来表征说话人的个性信息的特征,具有运算速率快、抗噪性能强等特点。结果表明,PLAR特征具有较强的噪音鲁棒性,但抗噪性能与噪声种类相关,对平稳噪声的敏感度高于非平稳噪声。通过将PLAR与MFCC进行特征域和分数域的融合,体现出两者之间存在着互补性,二者的融合有效提高了说话人确认系统的识别性能。

关键词：说话人确认感知对数面积比系数(PLAR) 鲁棒性融合

来源：评论

学校读者我要写书评

暂无评论

数据溯源技术综述

引用

小型微型计算机系统 2012年第9期33卷 1917-1923页

作者：明华张勇符小辉清华大学计算机科学与技术系清华大学信息技术研究院清华信息科学与技术国家实验室北京市延庆县91290部队

系统介绍数据溯源的定义,并从数据溯源的方法、模型和应用等三个方面进行了总结.概述了7种数据溯源模型:流溯源信息模型、时间-值中心溯源模型、四维溯源模型、开放的数据溯源模型OPM、Provenir数据溯源模型、数据溯源安全模型和PrInt... 详细信息

系统介绍数据溯源的定义,并从数据溯源的方法、模型和应用等三个方面进行了总结.概述了7种数据溯源模型:流溯源信息模型、时间-值中心溯源模型、四维溯源模型、开放的数据溯源模型OPM、Provenir数据溯源模型、数据溯源安全模型和PrInt数据溯源模型,总结出异构数据的溯源模型.并对目前最为广泛的几种溯源方法进行分析和比较,在此基础上,为达到节省存储空间的目的,提出标注信息列存储的思想.本文分别从数据库领域、工作流领域和其它应用领域三个方面描述了数据溯源的应用,并结合典型的实例加以说明.最后展望了数据溯源的研究热点以及发展方向.

关键词：数据溯源数据追踪标注法数据溯源模型

来源：评论

学校读者我要写书评

暂无评论

构建大规模的汉语事件知识库

引用

中文信息学报 2012年第3期26卷 86-91,103页

作者：周强王俊俊陈丽欧清华大学信息技术研究院语音和语言技术中心北京100084 清华信息科学与技术国家实验室北京100084 清华大学计算机科学与技术系北京100084

该文提出了一种静态知识库和动态标注库相结合的汉语事件知识库构建方法。在统一的设计框架下,将相关事件知识拆分成五个相对独立的知识子库,并通过各子库之间的内在联系使之互相参照互为补充。经过有效拆分和信息联动,增强信息的丰富... 详细信息

该文提出了一种静态知识库和动态标注库相结合的汉语事件知识库构建方法。在统一的设计框架下,将相关事件知识拆分成五个相对独立的知识子库,并通过各子库之间的内在联系使之互相参照互为补充。经过有效拆分和信息联动,增强信息的丰富性和可靠性,同时细化工作的粒度,具有较好的可操作性。以此为基础,开发完成一个汉语"存在拥有类"事件知识库,其中静态知识库覆盖72个情境和1 548个词语义项,动态标注库包含598个事件目标动词的10万句标注结果,取得了较好的实验效果。

关键词：事件内容分析事件语义标注资源汉语事件知识库

来源：评论

学校读者我要写书评

暂无评论

基于层次结构的多策略中文微博情感分析和特征抽取

引用

中文信息学报 2012年第1期26卷 73-83页

作者：谢丽星周明孙茂松智能技术与系统国家重点实验室清华信息科学与技术国家实验室(筹)清华大学计算机系北京100084 微软亚洲研究院北京100084

随着Web2.0时代的兴起,与微博相关的研究得到了学术界和工业界的广泛关注。该文使用新浪API获取数据,针对中文微博消息展开了情感分析方面的研究。我们对于三种情感分析的方法进行了深入研究,包括表情符号的规则方法、情感词典的规则方... 详细信息

随着Web2.0时代的兴起,与微博相关的研究得到了学术界和工业界的广泛关注。该文使用新浪API获取数据,针对中文微博消息展开了情感分析方面的研究。我们对于三种情感分析的方法进行了深入研究,包括表情符号的规则方法、情感词典的规则方法、基于SVM的层次结构的多策略方法,实验表明基于SVM的层次结构多策略方法效果最好。其次,针对层次结构的多策略方法的特征选择进行了详细分析,包括主题无关、主题相关的特征。实验表明使用主题无关的特征时获得的准确率为66.467%。引入主题相关的特征后,准确率提升至67.283%。

关键词：新浪微博情感分析 SVM

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：