关键词检测系统中废料模型技术的研究

关键词检测是语音识别中一个重要的研究方向．关键词检测技术的重点之一就是代表非关键词语音的模型，不论识别系统的方法怎样，大部分是采用废料模型的，而废料模型的结构和类型对整个系统的性能有很大的影响．提出了一种基于音节格的废料模型．实验表明，与传统的基于音素类的废料模型相比，关键词的检测率有了很大的提高．     

基于结果修剪法解决文本分类中属性重叠问题

在文本分类中,当两个多属性类别发生属性重叠时,采用传统的文本分类算法m acro F1值仅为45%左右.为了提高文本分类算法的m acro F1值,提出了基于结果修剪的方法.在该方法中,分类器由多个子分类器组成.每个子分类器对应于类别中的一个属性;在每一个阶段中,每一个子分类器将不属于该属性的文本剔出.当所有子分类器运行结束后,留下的文本即属于该分类的文本.实验数据表明,基于结果修剪的文本分类方法在解决属性重叠问题时能够将m acro F1值提高到65%左右.     

文本数字水印技术研究综述

由于文本中可容纳水印的冗余较少，文本数字水印技术极富挑战性，首先简述了文本的分类；然后介绍了文本数字水印技术领域的主要研究成果和最新进展，包括基于文档结构、自然语言处理技术和传统图像水印技术三类方法；从容量，鲁棒性，技术基础等方面比较了现有成果，分析了各类方法的主要优缺点；最后在总结现有成果的基础上展望了文本数字水印技术的前景，指出了该技术未来可能的研究重点以及待改进和研究的方向。     

论衔接和连贯在语篇理解中的重要作用

衔接和连贯是功能语言学的两个重要的术语。Halliday和Hasan对衔接和连贯所做的研究具有开拓意义。随后语言学者对其作了进一步的研究。在对衔接和连贯的研究中,笔者发现,衔接对语篇理解有重要的影响,但是其运用尚未普及。最后本文结合实例,证明和肯定了掌握衔接和连贯的关系对理解语篇的重要作用。     

用多观察序列训练隐马耳可夫模型的一种通用算法

隐马尔可夫模型（HMM：Hidden Markov Model）是一种具有学习能力的统计模型。HMM在许多领域特别是在语音识别领域得到成功的应用。经典HMM的Baum-Welch算法假设不同的观察序列之间是统计独立的。这与实际情况不符。本文在不附加任何假设的前提下，提出了一种用多观察序列训练HMM的算法，从理论上解决了上述问题，传统的Baum-Welch算法只不过是新算法在观察序列独立假设下的特例。     

连接数字串语音识别

 介绍了语音识别的一般方法,基于隐马尔可夫 (HMM )统计模型和HTK工具包,声学层选用单音子和二音子识别单元,给出了一个简单的,母语为非汉语的非特定人连接数字串识别实验.     

一种改进的kNN方法及其在文本分类中的应用

介绍了基于kNN的文本分类方法，分析了kNN方法实质，指出了该方法的不足，然后指出了一种改进方法。改进方法是基于文本属性关系和概念共现等基础上提出来的。它实质上是强化了文本中语义链属性因子的作用，修正了次要因素的噪声影响，使文本分类结果更加理想，已有的测试结果证明了这一点，尤其在测试文本与训练文本集中的某些文本直观上较相似时，结果更佳。     

一种基于语词的分词方法

提出了一种基于语词的分词系统 ,设计了相应的分词词典 .该分词词典支持词条首字Hash查找和标准的不限词条长度的二分查找算法 ,并应用于全文检索中 .结果分析表明 ,此分词系统无论是在检索速度上 ,还是在歧义处理上都有很大的改进     

隐Markov模型在剪接位点识别中的应用

剪接位点的识别是基因识别中的一个重要环节。由于现有的基因识别算法主要关注编码区的整体特性 ,而并不着重考虑个别位点的信息 ,因此难以准确地识别出剪接位点。考虑到剪接位点附近的保守序列的相邻碱基之间应该存在某种相关性 ,利用一阶 Markov链建立了表述这种相关性的模型 ,在此基础之上 ,设计了专门用于剪接拉点识别的隐马氏模型 (HMM)方法。实验结果表明 ,用 HMM描述剪接位点附近序列符合实际情况 ,并且利用这一方法进行剪接位点的识别可以很好地提取位点附近保守序列在边缘分布与条件分布 (转移概率 )上的统计特征。使用该方法对真实剪接位点和虚假剪接位点进行识别 ,识别率均可达 90 %以上。     

基于人工标引的中文学术期刊文献自动分类算法

为了解决期刊电子化的自动分类问题 ,提出了一种基于中文学术期刊人工标引的自动分类算法。这种算法主要利用自动分词得到各文献的特征词向量空间 ,并考虑到人工标引在分类中的关键作用 ,得到综合了特征词 TF和 IDF权重的分类准则。通过适当训练建立分类库 ,计算待分类样本与已知分类的相似性 ,判别各分类。实验表明 :该分类算法可以获得 85 %的分类识别率