LEO:基于序列化的XML文档高效查询处理方法

可扩展标记语言(XML)已经成为互联网上数据表示、存储和交换的标准.在众多研究工作中,作为核心问题之一的XML文档的结构化查询处理一直是研究的热点问题.在已有的许多查询处理方法中,XPath等查询表达式一般是被分解成多个简单路径的查询,最后把部分结果进行连接操作得到最终结果,但是连接操作的时间耗费较大,直接影响到查询性能.因此,基于序列化的查询处理方法被提出以解决前述问题.提出了一种新的基于序列化的查询处理方法:LEO方法,利用文档节点的标记、深度和后序数信息,通过序列匹配的方法完成结构化查询处理.另外,基于磁盘的索引结构与系统整体框架等相关内容也做了简单介绍.理论分析与实验结果都证实了提出的LEO方法是一种准确高效的查询处理方法.     

基于声学模型共享的零资源韩语语音识别

精准的语音识别系统通常使用大量的有标注语音数据训练得到,但现有的开源大规模数据集只包含一些广泛使用的语言,诸多小语种则面临着训练数据不足的问题。声学模型共享方法给出了这个问题的一种解决方法,它利用不同语种间的相似性,可以实现不需要小语种语音数据的语音识别。本文将声学模型共享方法扩展到韩语语音识别上,利用汉语声学模型构建韩语和汉语之间的音素映射关系。在不使用任何韩语语音数据的情况下构建的语音识别系统在Zeroth测试集上的字错误率达到了27.33%。同时本文还测试了不同映射方式之间的差异,结果表明这种共享模型的音素映射应当采用将目标语言词汇映射为源语言音素的方式。