簡介：研究腦、保護腦、開發(fā)腦、創(chuàng)造腦是人類21世紀最大的挑戰(zhàn)之一。隨著人類腦科學研究的深入展開，各種新方法、新技術的使用產(chǎn)生了大量數(shù)據(jù)。激增的數(shù)據(jù)背后隱藏著許多重要的信息，迫切需要提供一種自動的數(shù)據(jù)分析方法，對數(shù)據(jù)進行更高層次的分析，腦數(shù)據(jù)挖掘成為必然。該文致力于漢語認知腦數(shù)據(jù)挖掘相關算法研究。首先，分別研究粒子群優(yōu)化算法、粗糙集、人工神經(jīng)網(wǎng)絡的理論與應用；然后，結(jié)合腦結(jié)構和功能以及漢語認知實驗數(shù)據(jù)特征，研究基于粒子群算法的粗糙集神經(jīng)網(wǎng)絡數(shù)據(jù)挖掘方法；最后，對腦成像特征增強、特征提取等算法與所研究的數(shù)據(jù)挖掘算法進行集成研究，并將其應用于漢語認知神經(jīng)信息學研究中的腦數(shù)據(jù)挖掘。這項研究具有濃重的中國特色和優(yōu)勢，將不僅為漢語認知腦研究提供有效的手段，而且對人工智能的研究具有重要的理論價值。全文從以下幾個方面展開粒子群優(yōu)化算法是簡單個體組成的群落以及個體之間的互動行為模擬搜索全局最優(yōu)解的群智優(yōu)化方法。該文對粒子群優(yōu)化算法的機理及其收斂性進行分析，指出粒子群優(yōu)化算法滿足收斂性的前提下種群多樣性就會減小，粒子將會因速度降低而失去繼續(xù)搜索可行解的能力，粒子群優(yōu)化出現(xiàn)停滯狀態(tài)，這種情況大多導致早熟。為此，提出一種混沌粒子群優(yōu)化算法，該算法滿足收斂性的條件下利用混沌確定性與隨機性的統(tǒng)一、對初始值敏感性、混沌的遍歷性等特點引導粒子群中的粒子搜索，提高種群的多樣性和粒子搜索的遍歷性，將混沌狀態(tài)引入到優(yōu)化變量，使因速度降低而失去搜索可行解能力的粒子引入混沌量后獲得繼續(xù)索的能力，避免粒子搜索過程中容易發(fā)生的早熟、停滯，提高粒子的搜索效率，改善粒子群優(yōu)化的性能。粗糙集理論知識約簡的復雜度隨著決策表的增大呈指數(shù)增長，許多約簡方法引入啟發(fā)式搜索方法尋找較優(yōu)的約簡，主要通過可辨識矩陣中0和1的個數(shù)進行處理和計數(shù)來實現(xiàn)的，在初始化和迭代的過程需要不斷地檢驗新生成的個體是否存在于解空間可辨識矩陣，而且通常傾向于在同一基礎解系中搜索可行解。粗糙集約簡實質(zhì)是找到所含條件屬性最少的條件屬性子集與決策屬性匹配，提出一種基于離散型粒子群優(yōu)化的粗糙集數(shù)據(jù)約簡算法，有效避免約簡過程中算法傾向于在同一基礎解系中搜索可行解的可能性。跟蹤實驗結(jié)果表明，所提出的算法求解粗糙集中的決策表屬性最小相對約簡問題能夠取得好的效果，與基于遺傳算法的約簡方法相比，成功率高、穩(wěn)定性好。在數(shù)據(jù)挖掘應用方面，粗糙理論和神經(jīng)網(wǎng)絡有很強的優(yōu)勢互補性。結(jié)合腦結(jié)構和功能以及漢語認知實驗數(shù)據(jù)特征，研究基于粒子群算法的粗糙集神經(jīng)網(wǎng)絡數(shù)據(jù)挖掘方法，該方法根據(jù)漢語認知實驗腦數(shù)據(jù)形成的信息表，用粗糙集理論對條件屬性進行相對約簡，通過去掉冗余條件屬性和冗余訓練樣本，得到信息表的最小條件屬性集和核構建神經(jīng)網(wǎng)絡結(jié)構，并利用混沌粒子群優(yōu)化算法進行學習訓練，提高網(wǎng)絡的學習效率。針對腦數(shù)據(jù)分析，在腦成像特征增強、提取等方面也進行研究，提出一種基于泰勒類比展開的腦成像著色算法，該算法針對一幀待著色的目標圖像，用一幀原色圖像作為源圖像，依據(jù)泰勒類比展開的一階信息亮度直方圖、二階信息共存矩陣及其展開最小余量在圖像對中搜索，在源圖像中進行自動取色，然后將其賦到目標圖像上，最終得到結(jié)果圖像，結(jié)果圖像保持目標圖像原有的信息不變，而增加源圖像的顏色和真實感；提出一種基于腦成像自身的語義特點進行正交化特征選擇和提取算法，有效地提取漢語認知腦成像中的激活特征。最后，對所研究的腦數(shù)據(jù)挖掘相關算法進行集成研究，形成腦數(shù)據(jù)挖掘的整體集成技術，進一步為漢語認知腦研究提供有效的手段。

簡介：隱喻，不僅是一種修辭手法，更是一種思維推理方式和認知機制不僅是生活中的普遍現(xiàn)象，更是文學創(chuàng)作的基礎。在以形散神不散而著稱的散文寫作中，作者通常使用大量隱喻來抒發(fā)情感，突出主題。因此，比較散文和譯文中的認知過程和概念隱喻的使用情況對于散文的理解和翻譯有著突出的意義。ONCEMETOTHELAKE是美國著名散文家、文體學家懷特最具代表性的散文作品之一，其寫作風格清新雅致，含有大量匠心獨運的隱喻、娟好靜秀的語調(diào)和迷人雅致的韻律。其較有影響力的中文譯文再到湖上是由中國著名翻譯家、編輯、學者兼散文家馮亦代先生翻譯完成的。本文以概念隱喻理論作為理論框架，對英語散文ONCEMETOTHELAKE和其中文譯文再到湖上進行了概念隱喻認知分析，并回答了以下問題散文ONCEMETOTHELAKE中的認知過程是如何實現(xiàn)的其中的概念隱喻是如何突出散文主題的譯者在再到湖上中重構的認知過程是否與原散文的認知過程一致中英文中概念隱喻的使用情況有何異同通過定性和對比分析，本文得出以下觀點1ONCEMETOTHELAKE中的隱喻可分為時間系統(tǒng)、湖系統(tǒng)、人類系統(tǒng)和其他隱喻系統(tǒng)（包括聲音隱喻和生命隱喻），其認知過程通過該四類概念隱喻系統(tǒng)得以實現(xiàn)。2四類隱喻貫穿全文，形成兩條主線“事物發(fā)生變化”和“事物恒定不變”。在“變”與“不變”間，懷特表現(xiàn)出對緬因湖的喜愛之情，抒發(fā)了物是人非的感慨，并逐步升華了散文主題生命交替更換，我們應該敬畏生命。3由于人們享有相似的生理結(jié)構和生活經(jīng)歷，使得不同文化的概念認知系統(tǒng)有一些相似性，體現(xiàn)在1ONCEMETOTHELAKE和再到湖上中有一些共同的概念隱喻，如“時間是某物”、“時間是運動的物體”、“時間是靜止的而我們運動于其中”、“動作是聲音”、“思緒是運動的物體”、“聲音是破壞性事物”、“聲音是鎮(zhèn)靜劑”、“音樂是食物”、“生命是置換”等2英語原文和漢語譯文共有相似的認知過程人格化、動物化和具體化。4中美文化的差異性使得譯本和原文中的隱喻和認知又存在不同之處1在ONCEMETOTHELAKE和再到湖上中，表達相同的隱喻存在細微的差別，如感情基調(diào)、比喻意義和深層的語義含義等有所不同2在表達相同目標域時，英語原文和漢語譯文分別采用了不同的本體域3英語原文和漢語譯文中存在本民族文化獨有的概念隱喻，如ONCEMETOTHELAKE中的“戲劇隱喻”、“教堂隱喻”、“魔法隱喻”和再到湖上中的“圖畫隱喻”、“吃飯隱喻”等。本文的意義在于本研究在幫助人們更好地理解散文ONCEMETOTHELAKE的基礎上，豐富和拓展了散文翻譯研究的內(nèi)容和視野，同時證明了概念隱喻理論對散文認知和散文翻譯的解釋力度概念隱喻理論能夠幫助大家更好地分析和理解散文中的隱喻和認知過程，并且能夠使翻譯家更好地重構原語散文中的“形”和“神”。論文作者希望本研究能為散文認知及其翻譯研究提供相關借鑒。

簡介：該文基于語音產(chǎn)生的模型從時域、頻域特別是從倒譜出發(fā)對語音信號進行分析并結(jié)合模式識別的理論論述語音識別的基本理論在介紹DSP特點和TMS320VC549結(jié)構的基礎上該文提出基于DSP的語音識別系統(tǒng)借鑒了TMS320VC54X的評估模塊EVM對以TMS320VC549芯片為核心的系統(tǒng)硬件設計進行了研究闡述了系統(tǒng)的構成分析了工作過程采用89C51單片機對TMS320VC549的控制代替PC機的控制并對PC機與TMS320VC549的通信方式進行改造即將TMS320VC549的HPI口與PC機的ISA總線相連改為TMS320VC549的HPI口與PC機的并行口相通信使TMS320VC549成為獨立于PC機的系統(tǒng)整個系統(tǒng)以TMS320VC549為核心電路進行設計TLE2064進行放大TLC320AC02進行AD轉(zhuǎn)換TMS320VC549進行訓練和識別語音信號由LCD顯示結(jié)果該文采用的漢語語音的端點信號的檢測和清濁信號切分方法是短時相對能頻積的方法對漢語語音信號的端點進行檢測短時相對能頻比的方法對語音信號的清濁音進行切分提高漢語語音信號切分的成功率關鍵技術是引入聲調(diào)的特征量作為特征參數(shù)利用基頻、基頻的一階和二階差分作為特征參數(shù)以提高識別率采用連續(xù)HMM模型利用BAUMWELTH重估、VITERBE算法進行訓練和識別實現(xiàn)系統(tǒng)軟件設計

簡介：文語轉(zhuǎn)換技術是一種應用廣泛的語音技術。目前，以波形合成為基礎的文語轉(zhuǎn)換技術已經(jīng)可以合成清晰度、可懂度較好的語音，然而在合成語音的自然度方面仍需進一步提高。韻律調(diào)節(jié)是改善合成語音自然度最有效的手段之一。本文的主要工作是圍繞漢語文語轉(zhuǎn)換系統(tǒng)的韻律調(diào)節(jié)技術進行的。本文對相關的算法進行研究，并開發(fā)一種漢語普通話文語轉(zhuǎn)換系統(tǒng)。本文首先對韻律理論和漢語的語音特點進行了分析，并對文語轉(zhuǎn)換系統(tǒng)現(xiàn)有的技術路線進行了討論，并在此基礎上提出了一種基于韻律規(guī)則的波形合成法。接下來，本文對PSOLA、FUJISAKI基頻曲線預測算法、音節(jié)與停頓時長預測算法等韻律調(diào)節(jié)的關鍵算法進行了深入的研究，并在對FUJISAKI模型進行部分修改的基礎上，提出了一種充分考慮語音庫中語音基頻特性的語調(diào)曲線預測算法，這種方法能夠比較準確的模擬句子的語調(diào)曲線趨勢，同時對合成基元頻率特性的修改較小。然后，本文從系統(tǒng)構成的角度介紹了系統(tǒng)中各個模塊的功能和設計方案；同時，本文介紹了構建語音庫的方法，為了提高合成語音的自然度，本文同時構建了音節(jié)語音庫和漢語中高頻詞語音庫。最后，本文從程序?qū)崿F(xiàn)的角度介紹了代碼中主要函數(shù)的功能和輸入輸出，并對程序設計時需要考慮的關鍵問題進行了分析。另外，本文還運用平均意見分的方法對開發(fā)的漢語文語轉(zhuǎn)換系統(tǒng)的性能進行了評估，測試結(jié)果表明系統(tǒng)合成的語音具有比較好的自然度。

簡介：伴隨著WEB20技術革命互聯(lián)網(wǎng)上的意見型文本呈爆炸性地增長這些文本蘊含著廣大用戶的喜怒哀樂。意見挖掘技術應運而生人們圍繞著意見的主題、持有者、陳述和情感四元素展開了許多研究取得了豐碩的成果。本文根據(jù)新應用需求對漢語意見時空元素展開研究。本文從意見挖掘中語義知識不全面的問題入手利用WIKIPEDIA世界知識構建概念詞典和WIKIPEDIA詞典詞條的語義用WIKIPEDIA類別表示。概念詞典用于確定主題的內(nèi)涵WIKIPEDIA詞典用于計算任意兩個文本的語義相關度。語義相關度實驗表明了算法的有效性并成功應用于主題識別。本文以細顆粒度的方法對中文句子進行傾向性分析側(cè)重于從結(jié)構和語言現(xiàn)象揭示中文句子傾向性的特點。利用HOW自動構建情感詞典后實現(xiàn)了一個系統(tǒng)用于參加COAE2008評測結(jié)果表明方法是有效的。本文提出了意見重要因子的概念意見重要因子由時間重要因子和來源重要因子組成。分析了時間重要因子在不同應用中的計算公式將來源重要因子分為來源的影響力、來源與領域的相關度兩個部分。最后本文回到意見時空元素的應用上探討了“挖掘某段時間最受歡迎的產(chǎn)品”和“意見趨勢挖掘”兩個典型應用的挖掘方法和實驗評估方法。

簡介：近年來逼真的三維人臉動畫系統(tǒng)的研究已成為計算機領域的熱門話題，并在人工智能、影視制作、多媒體教學、遠程會議和計算機游戲等方面得到廣泛的應用。但是，目前國內(nèi)對于三維動畫系統(tǒng)的研究還處于初級階段，如何針對特定的人臉建立逼真的三維模型，并運用漢語文本驅(qū)動人臉動畫模型，三維動畫關鍵幀之間的自然過渡，且與實際生活中人在說話時的嘴型相符都是目前的研究重點與難點。本文在分析研究了三維人臉建模、三維動畫和漢語文本分析的關鍵技術和難點問題的基礎上，采用基于形變模型的人臉重建方法，完成了特定三維人臉模型，并對漢語文本進行了系統(tǒng)的分析，歸納了漢語發(fā)音口型中的協(xié)同發(fā)音現(xiàn)象，實現(xiàn)了在連續(xù)語流中關鍵幀模型之間的口型過渡，最后設計實現(xiàn)了本文中漢語文本驅(qū)動的人臉動畫演示系統(tǒng)。其主要內(nèi)容如下1在闡述了MPEG4標準動畫原理的基礎上，選取特定人臉作為系統(tǒng)的三維人臉模型設計了漢語文本驅(qū)動人臉動畫演示系統(tǒng)的總體框架，分析了實現(xiàn)文本驅(qū)動三維動畫系統(tǒng)的難點以及本文研究實現(xiàn)的重點。2討論了標準人臉和特定人臉的三維人臉建模的優(yōu)缺點，選用了基于形變模型的三維人臉重建方法，并選擇單張正面人臉圖片標定特征點，與形變模型的原始二維圖像進行匹配，通過求解最小歐氏距離，得到重建模型的二維人臉圖像，再將紋理映射到三維網(wǎng)格模型上，得到個性化的三維人臉模型。3通過分析漢語輸入文本，對應查找漢語拼音對照表，得到輸入漢字的拼音表示。并總結(jié)了漢語語音的發(fā)音規(guī)則，將漢語拼音的基本口型依據(jù)視位的不同分成了12類，并生成相應的三維口型關鍵幀。4分析討論了人在說話過程中普遍存在的協(xié)同發(fā)音問題，通過分析基本元音、輔音發(fā)音口型之間的相互影響程度，對前后發(fā)音口型關鍵幀設置權值，在關鍵幀動畫之間插入過渡幀，使得各關鍵幀口型之間的過渡更加自然。5完成了本文漢語驅(qū)動的人臉動畫演示系統(tǒng)的功能設計，采用基于OPENGL庫的VC60編程實現(xiàn)了以漢語文本作為驅(qū)動，將輸入文本轉(zhuǎn)換成漢語拼音音子的三維人臉動畫演示系統(tǒng)。

簡介：語音合成是人機語音交互的一個重要組成部分語音合成研究的目的是制造一種會說話的機器使一些以其它方式表示和存儲的信息能轉(zhuǎn)化為語音讓人們能通過聽覺而方便地獲得這些信息語音合成的基本方法可以歸納為三大類波形合成方式、參數(shù)合成方式和規(guī)則合成方式數(shù)字樂器接口I設備是目前一切PC和音頻設備的標準配置利用它來做語音合成可以最大限度地節(jié)省系統(tǒng)成本和減少運算量該文提出了基于I的語音合成算法該算法屬于波形合成方式通過對標準的可下載聲音DLS波表的語音擴展以實現(xiàn)象合成樂音一樣地合成語音在實現(xiàn)上述算法過程中該文完成了以下工作1、在分析了漢語普通話語音學特征的基礎上提出了利用語譜圖和短時過零分析從音節(jié)中切分普通話聲母和韻母的方法2、將所有的聲母和韻母波形制作成符合DLS結(jié)構的語音波表并通過保留韻頭段和對韻腹段波形的重復達到壓縮存儲空間的效果3、利用ADSR修正結(jié)構對陰平波形的頻率進行修正以得到其它的三個聲調(diào)這樣使得每一個韻母只需要存儲一套波形數(shù)據(jù)和四套ADSR結(jié)合參數(shù)就可以合成出所有聲調(diào)4、將所有的語氣、韻律和節(jié)奏控制信息統(tǒng)一用I消息實現(xiàn)以合成不同語境下的語音該算法把音樂合成與語音合成統(tǒng)一到一個標準工業(yè)規(guī)范下面這使得算法的可移植性和可擴展性得到了充分的保證同時也為音頻信號的統(tǒng)一處理提供了保證

簡介：各種未收錄的漢語人名、地名、以及機構名稱短語等專有名詞的自動識別，能夠提高中文文本的分析理解能力，是自然語言處理領域的重要和基礎性問題，同時也是一項具有較高價值的應用研究。的SVM分類器一般具有更少的支持向量數(shù)目，獲得了更好的識別結(jié)果。研究了一種基于距離估計的多個SVM分類器集成方法。該算法首先通過對特定實例的訓練學習，構造了不同的SVM分類器；然后采用一種距離估計的方法，將得到的若干不同SVM分類器以漸進的方式融合為一個單一的分類器。針對專有名詞和部分UCI數(shù)據(jù)庫的實驗表明對于類別邊界存在交叉混雜區(qū)域的二類分類問題，該算法能夠較單一分類器取得更好的識別精度。

簡介：隨著現(xiàn)代通信技術的飛速發(fā)展，語音識別具有巨大的應用前景，涉及的領域非常廣泛。在發(fā)達國家，一些基于中小詞匯、特定領域的語音識別產(chǎn)品已經(jīng)投入使用，如聲控電話撥號系統(tǒng)、語音記事本、電話服務、語音查詢等等。但是在大詞匯量連續(xù)語音識別方面，距離理想的語音識別性能仍有相當?shù)木嚯x。因此，非特定人、大詞匯量連續(xù)語音識別已成為目前研究的熱點和難點，許多相關的問題需要深入探討。本文從系統(tǒng)和算法的角度出發(fā)，以提高模型參數(shù)訓練的魯棒性和系統(tǒng)識別性能為主要目的，對基于語音學決策樹參數(shù)聚類、決策樹結(jié)構調(diào)整和快速說話人自適應等方面做了重點研究。本文首先研究了基于語音學決策樹參數(shù)聚類問題。一方面，針對傳統(tǒng)決策樹狀態(tài)聚類受稀少三音子的影響，聚類后捆綁狀態(tài)數(shù)過多、節(jié)點數(shù)據(jù)平衡性差等問題，提出了語音學決策樹分級狀態(tài)聚類算法。該算法首先對稀少三音子進行處理，然后對決策樹葉節(jié)點進行加權合并。另一方面，針對決策樹對應狀態(tài)間的高斯混合參數(shù)存在重疊現(xiàn)象，為提高參數(shù)訓練的魯棒性，本文采用高斯參數(shù)聚類的策略。由于人們通過聽覺器官識別語音信號的過程具有一定的模糊性，使得模糊集的思想在語音識別中得到廣泛應用，并取得很好的效果。因此，本文將模糊聚類思想引入模型的參數(shù)聚類，利用模糊等價矩陣完成模型高斯參數(shù)聚類，并利用模糊聚類軟聚類的特點構建異音混合共享模型。接著，本文針對訓練語料與測試語料的決策樹結(jié)構不匹配會對系統(tǒng)性能和說話人自適應造成影響，首先通過研究識別結(jié)果中狀態(tài)之間發(fā)生的混淆情況，提出了利用調(diào)整決策樹葉節(jié)點狀態(tài)結(jié)構的算法，橫向地對決策樹結(jié)構進行調(diào)整，從而減少由于這種結(jié)構不匹配造成的識別率降低。狀態(tài)結(jié)構調(diào)整算法的基本思想是1利用訓練語料對狀態(tài)結(jié)構調(diào)整可以提高模型本身的精度；2在此基礎上利用自適應語料對狀態(tài)結(jié)構調(diào)整可以使決策樹結(jié)構包含更多的測試人信息。然后，在研究不同復雜度的語音學決策樹對系統(tǒng)性能和說話人自適應影響的基礎上，本文提出了一種決策樹剪枝算法基于最小描述長度準則的決策樹動態(tài)剪枝。該算法利用訓練充分的決策樹作為初始模型，根據(jù)自適應語料的數(shù)量動態(tài)地選擇不同復雜度的模型。決策樹剪枝時初始模型的合理選擇，自適應語料的充分利用以及最小描述長度準則對隨機模型和確定性模型的集成，使得這種決策樹動態(tài)剪枝算法與說話人自適應相結(jié)合時取得了較好的識別結(jié)果。本文最后對快速說話人自適應問題進行了研究。在討論了最大后驗概率估計算法、最大似然線性回歸算法以及最大似然模型插值算法優(yōu)缺點的基礎上，提出了變換矩陣線性插值算法，并將該算法與最大后驗概率估計相結(jié)合。這種結(jié)合的算法憑借轉(zhuǎn)移矩陣線性插值算法滿足快速說話人自適應的特性，又結(jié)合最大后驗概率估計算法對特定說話人系統(tǒng)的漸近性，較好地提高了說話人自適應的性能。本文對所提出方法進行了大量的語音識別實驗，實驗結(jié)果表明所提出的方法均能在一定程度上有效地改進系統(tǒng)性能。同時，本文提出的方法具有很強的通用性，適用于具有背景噪音或不同年齡、不同性別等多種情況下的語音識別。

簡介：漢語語義分析是自然語言處理的核心技術之一，也是對漢語的深層理解。漢語語義分析效果的提高對于信息檢索和機器翻譯都具有推動作用。隨著科技的發(fā)展，術語也不斷涌現(xiàn)，所以對術語語義分析的研究也有著重大的意義。本文對術語的特點進行研究，實現(xiàn)了漢語術語語義分析系統(tǒng)。該系統(tǒng)包括依存分析和語義分析兩個部分，這兩部分通過機器學習的方法實現(xiàn)。在語義分析的基礎上實現(xiàn)了漢語術語翻譯系統(tǒng)，并取得了較好的效果。具體內(nèi)容如下首先，對大量的漢語術語進行分析，發(fā)現(xiàn)術語大部分為名詞性短語，而且術語用詞的重復性低。針對上述兩個特點，在依存分析階段，本文選擇適合術語的特征，利用支持向量機SVM訓練得到依存分析模型，從而有效識別出了術語內(nèi)部的依存關系。所選特征包括基本特征，互信息特征和知網(wǎng)第一義原特征。其次，提出了一種漢語術語語義分析方法。本文定義了14種語義關系，并利用CRF訓練得到語義分析模型，該模型可以有效識別出兩個詞之間的語義關系。由于術語所涉及的語義關系范圍較窄，所以該模型對于易混淆的類別分類能力較差。本文對于易混淆的類別采用SVM訓練分類器，對CRF模型輸出的2BEST結(jié)果中的兩個語義關系進行識別，確定詞對最終語義關系。最后，將語義分析技術應用到了術語翻譯。首先對術語進行依存分析，根據(jù)依存分析的結(jié)果抽取出結(jié)構化的短語，再利用傳統(tǒng)的GROWDIALFINAL方法抽取非結(jié)構化短語；之后利用提取的調(diào)序模板對源語言進行調(diào)序；最后利用摩西對已經(jīng)調(diào)序的術語解碼。實驗結(jié)果表明語義分析方法的有效性，在大類語義關系和小類語義關系上正確率分別達到7713％和6905％。將語義分析結(jié)果應用到術語翻譯，使翻譯的效果有所提高。

簡介：點擊查看更多模因視角下的漢語網(wǎng)絡廣.pdf精彩內(nèi)容。

簡介：漢語屬于分析性語言，缺乏嚴格意義上的形態(tài)變化，漢語的副詞承擔著繁重的語法任務，在漢語語法系統(tǒng)中具有重要地位。副詞在自然語言理解與生成中的重要性不言而喻。目前已有的副詞研究成果大都是面向人用的，對副詞個性的描述難以避免主觀性和模糊性，很難直接應用于自然語言處理的研究。本論文主要探討了面向機器的副詞用法自動識別。本文的主要工作包括（1）對副詞知識庫、副詞規(guī)則庫和語料進行簡要描述，標注系統(tǒng)將利用副詞知識庫和副詞規(guī)則庫對語料進行標注。（2）根據(jù)副詞用法詞典、副詞用法規(guī)則，利用算法實現(xiàn)對語料的副詞用法自動識別，副詞的規(guī)則是一種BNF形式，語料已分詞。根據(jù)副詞規(guī)則匹配語料，將匹配成功的規(guī)則ID標注在副詞后。（3）基于錯誤驅(qū)動的規(guī)則學習，對已經(jīng)標注好的語料進行學習，對現(xiàn)有的規(guī)則進行修改使其更加完善，達到理想的效果。目前只是針對單個規(guī)則的副詞進行了錯誤驅(qū)動的規(guī)則學習。論文最后對本課題已有的研究工作進行了總結(jié)，并對今后的進一步研究進行了展望。

簡介：語音是人類相互通信和交流的最方便快捷的手段，讓機器能夠聽懂人類語言或按照人類意志進行相關操作是人們長期以來夢寐以求的目標。關鍵詞檢測是自動語音識別的一個特殊分支，其主要任務是從連續(xù)的語音中檢測出具體應用所需要的少量特定詞匯。相對于連續(xù)語音識別，關鍵詞檢測技術具有資源耗費少、識別率高和實用性強的優(yōu)點，因此有著廣泛的應用前景。隱馬爾可夫模型HMM是各類語義識別系統(tǒng)的主流模型，它是完成準平穩(wěn)時變信號分析和識別的有利工具，能夠很好地描述語音特征的動態(tài)變化和統(tǒng)計分布。本文在系統(tǒng)分析關鍵詞檢測系統(tǒng)基本框架、HMM原理、語音特征參數(shù)提取及分形維算法的基礎上，針對現(xiàn)有關鍵詞檢測系統(tǒng)在訓練樣本、填料模板、檢測效率、檢測時間方面存在的問題，重點研究設計了基于HMM的漢語語音關鍵詞檢測系統(tǒng)，并在填料模板創(chuàng)建、狀態(tài)搜索算法和檢測確認策略等方面做了諸多改進。論文主要研究內(nèi)容如下1研究了HMM模型的建模過程，詳細分析了前向后向算法、VITERBI最佳路徑搜索算法、基于BAUMWELCH的多觀察序列輸出高斯混合模型的參數(shù)重估算法，以及與之相應的概率輸出、最佳狀態(tài)解碼和模型參數(shù)估計等問題，為在語音識別中應用HMM打下了基礎。2提出了基于動態(tài)幀長的語音信號分析方法；在語音信號特征提取時，先估計當前語音單位的持續(xù)時間，再根據(jù)持續(xù)時間動態(tài)確定窗長，進行分幀，該方案緩解了因為訓練樣本質(zhì)量和數(shù)量問題引起的關鍵詞檢測系統(tǒng)的性能惡化，提高了匹配模板的穩(wěn)定性，并應用到檢測過程中，實現(xiàn)了語速自適應。3論證了語音分形維原理，并根據(jù)分形維實現(xiàn)了音節(jié)實時分割；在此基礎上實現(xiàn)了關鍵詞訓練系統(tǒng)的樣本自動標注和檢測系統(tǒng)的兩步式狀態(tài)解碼算法。4對填料模型的結(jié)構和類型進行了研究，吸取韻母聚類模型和音節(jié)格模型的優(yōu)點，提出了基于音節(jié)聚類的填料模型，節(jié)省了系統(tǒng)的檢測時間，提高系統(tǒng)的檢測率。5構建了關鍵詞首音節(jié)模型和關鍵詞確認模型，先用填料模型和關鍵詞首音節(jié)模型與輸入語音片斷進行匹配，如果最佳匹配結(jié)果落入某類關鍵詞首音節(jié)域，則把當前的兩個候選關鍵詞音節(jié)與關鍵詞確認模型進行匹配，并計算幀平均似然得分，對關鍵詞進行確認。6建立了一個小詞量的樣本庫和測試樣本庫，設計實現(xiàn)了一個基于HMM的無語法限制的關鍵詞檢測系統(tǒng)，通過仿真實驗分析了不同特征參數(shù)、幀長方案和填料模板等對系統(tǒng)性能的影響。

簡介：湖南師范大學碩士學位論文基于統(tǒng)計特性的漢語方言辨識方法研究姓名王岐學申請學位級別碩士專業(yè)電路與系統(tǒng)指導教師錢盛友20100401減少模型中的混合數(shù)，提升系統(tǒng)的性能，具有較強的實用性。關鍵詞方言辨識，聲學特征，動態(tài)特征參數(shù)，高斯混合模型GMM，自組織映射神經(jīng)網(wǎng)絡SOM

簡介：現(xiàn)代漢語副詞用法自動識別是面向自然語言處理的現(xiàn)代漢語副詞知識庫研究的重要內(nèi)容之一，針對基于規(guī)則的現(xiàn)代漢語副詞用法自動識別方法存在的不足，本文在已有工作的基礎上，進一步提出了基于統(tǒng)計的常用漢語副詞用法自動識別方法。分別采用條件隨機場模型、最大熵模型和支持向量機模型，在1998年1月份人民日報分詞與詞性標注語料上，對8個常用的現(xiàn)代漢語副詞進行了統(tǒng)計實驗，實驗表明基于統(tǒng)計的方法在現(xiàn)代漢語副詞用法自動識別上具有較好的識別效果，能夠很好地對未知的副詞用法進行預測，在真實語料中取得了較高的準確率，與規(guī)則方法相比，統(tǒng)計實驗結(jié)果的平均準確率有了較大的提高。實驗證明基于統(tǒng)計的方法在常用現(xiàn)代漢語副詞用法自動識別方面具有良好的應用前景。根據(jù)俞士汶等提出的構建“三位一體”的現(xiàn)代漢語虛詞知識庫的思想，本文著重研究現(xiàn)代漢語副詞用法的自動識別，致力于采用統(tǒng)計機器學習方法實現(xiàn)副詞用法的自動識別。本文的主要工作包括1針對已經(jīng)初步構建的現(xiàn)代漢語副詞知識庫，以副詞用法信息詞典中的例句集作為語料來考察副詞用法規(guī)則，分析規(guī)則存在的問題，對用法規(guī)則進行修改，進而完善副詞知識庫。2使用基于規(guī)則的方法對人民日報語料中副詞用法進行自動識別，并對識別結(jié)果進行人工校對，形成副詞用法語料庫，并作為實驗語料。在對人民日報語料進行人工校對的同時，分析規(guī)則方法識別結(jié)果存在的問題，并進一步完善副詞用法信息詞典以及副詞用法規(guī)則庫。3針對基于規(guī)則方法存在的不足，實現(xiàn)基于統(tǒng)計的常用現(xiàn)代漢語副詞用法自動識別，進一步提高副詞用法識別的準確率。最后，論文對本文的研究工作進行了總結(jié)，并對下一步的研究進行了展望，指出了規(guī)則與統(tǒng)計方法相結(jié)合的現(xiàn)代漢語副詞用法自動識別研究的可行性。