判别式训练方法在连续语音识别中的应用

文章探讨了判别式训练在大词汇量连续语音识别系统中的应用问题,介绍了判别式分析训练理论,对比分析了最大互信息准则、最小词错误准则和最小音素错误准则,同时与传统的最大似然训练规则进行了对比分析,提出了一种结合最大似然估计方法和判别式训练方法的模型训练方法,最后用实验证明了该算法能够有效提高声学模型的识别率。     

基于新型文档频的平均互信息改进研究

互信息未考虑单个特征词发生的频率,不仅造成了互信息评价函数倾向于选择特征的稀有词,而且还过滤掉了经常出现的高频词。当特征关键词和类别都增多时,得到的特征关键词与类别之间的平均互信息变小,说明数据在处理过程中去掉了信息,不会创造出新的信息。为此把文档频引进平均互信息,使其对平均互信息的缺点进行修正。实验证明,该方法具有训练和测试速度快,特征提取速度非常快等特点。     

基于互信息强度构建标签概念层次结构方法的探究

大众分类、社会化标注等个性化标签系统对网络资源的组织优势很明显,但存在标签多样和概念结构模糊的缺陷。文章以“豆瓣”读书标签为例,探讨自由标签系统概念上下位关系的识别方法。主要是先对标签进行聚类,将其分成若干个内部结构联系紧密的类簇,然后以互信息强度,具体判别上下位关系,由此构建标签层次结构。实验表明构建完成的概念层次结构图,能够比较准确地识别标签间的概念关系,为用户提供良好的标签导航和浏览机制。     

中文文本分类中一种基于语义的特征降维方法

文本提出了一种基于语义的特征降维方法。通过依存关系抽取实现一次降维;通过计算类别和依存关系特征项的语义相似度,结合互信息方法进行特征选择实现二次降维。对中文文本分类的实验结果表明,提出的特征降维方法具有较好的分类效果。     

基于主路径的领域知识扩散演变研究--以太阳能领域为例1）

识别领域知识演变转折点对于把握领域知识扩散规律具有重要意义。以主路径为桥梁,阐明领域知识扩散中的知识继承机制和知识改写机制,以及其中的知识演变现象。以直接引用文献间的信息传递关系为基础,利用互信息构建了反映领域知识演变的两个计量指标：RTP 和 RPT 。以 Web of Science 中太阳能领域文献为例,利用 Pajek 识别出该领域主路径;以主路径文献中的关键词为对象,统计全文中关键词出现的频次,计算演变转折指标并识别出了太阳能领域的知识演变转折点,通过文献分析证明了该方法的有效性。     

无重叠视域摄像机网络拓扑自适应学习方法(英文)

提出一种自适应拓扑学习方法来无监督地学习摄像机网络的拓扑.利用混合高斯算法建立节点模型,并通过计算节点对的互关联函数得到该对节点的连通性以及连通节点对的转移时间分布.利用交互信息计算连通的节点对的转移概率.对学习到的拓扑结构,提出虚假连接排除策略以及拓扑更新策略对其进行优化.为了测试所提出算法的有效性,搭建了由5个不包含重叠视域的摄像机组成的监控系统进行试验.通过与已有算法的对比,结果表明该算法可以更准确地学习监控网络的拓扑,并对环境变化有一定的鲁棒性.     

基于互信息的话题特征选择方法研究

特征选择是舆情监测系统构建的关键步骤之一,好的特征选择方法可以在降低系统时间消耗的同时,提高舆情监测的准确性。针对话题特征提取方法 ITF-IDF没有考虑类别信息的缺点,尝试将互信息用于话题特征提取,提出改进的互信息计算方法 CMI和DCMI。CMI方法融入了聚类思想,对新闻报道进行分组验证,DCMI在CM I的基础上,将时间信息量化为时间距离,实现特征互信息的动态更新。实验结果显示,DCM I的性能明显优于基本互信息方法和ITF-IDF方法。     

基于新词发现的网络新闻热点排名

[目的/意义]随着网络新闻的广泛快速传播,通过辨析网络新词,及时掌握新闻热点关键词,对于了解新闻热点和社会舆情的预警控制具有十分重要的意义。[方法/过程]利用改进的关联规则算法对网络新闻标题进行挖掘,相邻、有序地输出频繁字符串集合。根据互信息计算字符串的相似度,形成热点新闻的关键词集合,以实际的网络新闻为语料进行实验。[结果/结论]实验结果表明,本文所提出的方法不仅能有效地发现词典中不存在的新词汇以及当前网络中流行的热词,而且有效地区别词汇集合中的复合式新词,继而可通过热词集合的热点度计算对网络新闻热点进行排名。     

基于微博交互信息的社交网络推荐算法

微博作为近年来的热门社交网络平台,其用户行为、兴趣模型及个性化推荐深受国内外学者关注。针对微博社交网络的弱关系特点,结合用户实时交互信息与用户基本信息,提出一种综合考虑用户基本信息与用户交互信息的用户相似度计算方法;进而在UserCF算法的基础上,提出一种基于微博交互信息的推荐算法。该算法考虑了微博平台的弱连接关系特点,能有效针对微博类社交网络进行用户推荐。通过实际社交数据集实验证明,该算法具有良好的执行效率与推荐效果。