维语中心语驱动文法句法分析器中的上下文相关处理

上下文相关处理问题是维语中心语驱动文法句法分析器中的难点之一。但它又是解决维语中心语驱动文法句法分析器的结构歧义问题的主要手段。如何巧妙地应用上下文相关技术解决维语句法分析器中的结构歧义问题便成为当前维语句法分析研究的重要课题。本文论述了维语句法分析中上下文相关的一般概念,上下文相关规则处理和几种维语并列关系的多项语句的分析过程。     

维吾尔语拼接式语音合成方法研究

首先简要介绍语音合成技术的总体概念及研究状况，然后提出用不同长度的单元进行拼接的维吾尔语语音合成方法。该方法能更好地利用自然语流的原始信息．提高合成语音的自然度，同时也能提高系统的灵活性。     

基于垃圾模型的维吾尔语关键词识别

关键词识别是语音识别中的一个重要研究方向,而维吾尔语的关键词识别研究刚刚开始。结合维吾尔语音节特点和考虑影响关键词识别因素,提出在HMM模型的基础上对非关键词建立垃圾模型的方法,来提高关键词的识别效率。     

基于DDBHMM的维吾尔语音声学识别

在维吾尔语连续语音识别试验的声学层建模基础上,引用DDBHMM模型将上下文相关的三音子作为基本识别单元,并提出一种状态绑定的思想,对状态进行优化。为得到更充分的训练模型,提高识别效率,对语料库进行扩充,在多组对比试验的基础上,分析扩充前后对声学层识别速度、准确率等各个方面的影响。     

基于GHS的任务调度算法改进

针对非专用网格性能预测调度系统（GHS）中元任务调度算法负载不平衡问题,提出一种启发式动态任务调度策略（H-MM）,结合Min-Min与Max-Min的优点,将H-MM植入GHS,结果表明H-MM在时间跨度与可扩展性方面较以往算法有较大提高。     

基于HTK的维吾尔语连续语音声学建模

维吾尔语属于阿勒泰语系突厥语族,是黏着性语言。本文根据维吾尔语的特点,分析设计了维吾尔语语音识别系统的总体结构,讨论了维吾尔语最佳识别基元的选择方法,提出建立基于决策树聚类的上下文相关模型,并采用混合高斯分布(GMD)拟合观测概率分布,优化维吾尔语连续语音中HMM模型系统以提高识别性能。最后给出实验对比,得出结论,为今后维吾尔语连续语音识别研究提供依据。     

场景文字识别技术研究综述

对文字检测和识别技术进行了全面的介绍。介绍了自然场景文字识别技术的研究背景、应用领域、技术难点等;介绍了场景文字识别的预处理技术及流程,介绍了近年来出现的基于深度学习的通用检测网络、维吾尔文和中英文的深度学习文字检测网络、场景文字识别深度学习网络、端到端场景文字检测与识别深度学习网络,并总结了各类网络的结构特点、优势、局限性、应用场景以及实现成本,接着进行了综合分析;最后介绍了公开数据集,并探讨了场景文字识别技术的发展趋势及可能的研究方向。     

XML在电子政务中的应用

该文所做的工作主要集中在如何将XML这一新技术有效地运用在电子政务标准技术参考模型的应用支撑层和应用层中。对基于XML的电子公文格式、用XSL格式化电子公文、使用XML来定义电子政务中的业务流程和XML Web Scrvices技术等新思想、新方法进行了深入的研究。     

Web Service模型现存问题的研究

本文通过研究Web Service的相关技术．对现存的模型和技术提出了新的问题和看法．并且在实践基础上提出了新的Web Service安全应用模型,并将此模型应用于信息服务的共享,查询．安全等各个方面,尤其Web Service的安全方面提出了自己的设想．通过三层认证方式．对手Web Service模型中现存的不安全因素进行了相应的改进．并取得了—定成果。     

基于Hellinger距离与词向量的终身机器学习主题模型

与传统的机器学习方法相比,终身机器学习能够有效利用知识库中积累的知识来提高当前学习任务的学习效果。然而经典的终身主题模型（LTM）在领域选择时缺乏偏向性,且在计算目标词的相似性时不能充分利用目标词的上下文信息。从词语和主题选择的角度提出改进模型HW-LTM,利用Word2vec词向量的余弦相似度和主题之间的Hellinger距离寻找相似度较大的词语和领域,实现在迭代学习中对词语和领域的更优选择和更有效的知识获取,同时通过预加载词向量相似度矩阵的方式解决词向量余弦距离的重复计算问题,利用Hellinger距离计算主题相似度,加快模型收敛速度。在京东商品评论数据集上的实验结果表明,HW-LTM模型表现优于基线主题挖掘模型,相比LTM模型,其topic coherence指标提升48,耗时缩短43.75%。