导读:本文包含了识别语言论文开题报告文献综述及选题提纲参考文献，主要关键词:迁移学习,词向量,特征降维,聚类分析
识别语言论文文献综述
杨显华,丁春利[1]（2019）在《基于迁移学习的语言文本识别分类研究与实现》一文中研究指出本文提出通过迁移学习手段,应用中文语言处理模型,进行模型抽取和重新拟合实现对少数民族语言的识别和归类。在中文文本自动化归类处理中,通过现有的学习模型积累了大量的高准确率中文语言处理模型,但模型是基于中文文本训练得到,在中文测试集可以得到很好的效果,在应用到其他语言上时,将出现过度拟合的现象。为解决小样本情况下,少数民族语言自动化分类问题。(本文来源于《电子技术与软件工程》期刊2019年20期）
仁增吉[2]（2019）在《双语教育中第二语言学习者如何识别，学习/获得新的语言知识的理论解析》一文中研究指出第二外语习得是一个复杂的现象,也是一个值得探索和研究的领域。本文试图通过探讨认知理论和社会文化理论来解释第二外语学习者如何从课内外接触的语料中识别,学习/获得新的语言知识的理论解释。认知理论和社会文化理论对语言习得都很重要。(本文来源于《长江丛刊》期刊2019年28期）
钟琪,冯亚琴,王蔚[3]（2019）在《跨语言语料库的语音情感识别对比研究》一文中研究指出情感感知具有普遍性和差异性,不同语言表达的情感有不同的情感特征,但也存在相似的情感特征.选择IEMOCAP英语情感数据库、CASIA汉语情感数据库、EMO-BD德语情感数据库,以中性、生气、快乐、悲伤四种情感为研究对象,了解在单语言语料库、混合语言语料库、跨语料库的语音情感识别情况.使用支持向量机(Support Vector Machine,SVM)、卷积神经网络(Convolutional Neural Networks,CNN)和长短时记忆网络(Long-Short Term Memory,LSTM)为分类器进行训练,对情感进行识别.从实验结果可以看出,不同语料库的语音情感的识别模式存在相似性,也存在相似的语言情感特性.还发现英文的中性情感和中文的悲伤情感具有良好的模型泛化性,英文的悲伤情感和中文的中性情感有较好的适应性.(本文来源于《南京大学学报(自然科学)》期刊2019年05期）
史记征,崔俊[4]（2019）在《基于Python语言的图文识别方法研究》一文中研究指出日常生活中,当我们看到一些书籍或者扫描文件时,会发现文字、公式、链接是以图片形式呈现的,那么如何把图片里面的文字或者公式识别并且提取出来,并转换成可编辑的文档形式呢?本文提出一种图文识别方法,本方法基于Python语言的第叁方库,编程简单、识别正确率高,将为人们进行文本编辑带来极大的便利。(本文来源于《网络安全技术与应用》期刊2019年08期）
殷策,程玮,徐鑫,周礼刚,薛明香[5]（2019）在《基于Pythagorean模糊语言相似测度的模式识别方法》一文中研究指出文章提出了一种基于新的Pythagorean模糊语言相似测度的模式识别方法。首先定义了一种新的Pythagorean模糊语言相似测度,讨论其优良性质,接着提出基于新的Pythagorean测度的模式识别方法,最后通过医疗诊断模式识别案例验证新方法的可行性和有效性。(本文来源于《价值工程》期刊2019年21期）
高成吉[6]（2019）在《一种语言情绪识别方法的研究》一文中研究指出语音情感识别是具有重要应用价值和具有挑战性的研究问题。该文提出了一个旨在提高语言情绪识别准确性的研究。该研究使用效价-激活度二维情绪空间模型对英语语言情绪进行描述,使用基于高斯混合模型和支持向量机的分阶段方法来对英语发言者的情绪效价(积极与消极情绪)和情绪激活度(情感的强度)进行分类识别。最后通过实验验证了该算法能够较为正确地识别使用英语表达的不同情绪。(本文来源于《计算机与数字工程》期刊2019年07期）
王勇,徐康[7]（2019）在《国网山东电力人工智能平台上线》一文中研究指出本报讯（王勇 徐康）7月16日获悉，国网山东省电力公司正式上线人工智能平台。该平台是该公司人工智能基础支撑能力建设的代表项目，平台上线将促进人工智能与电网生产运营的深度融合。2018年11月起，国网山东电力着力完善全业务数据中心数据内容。这项工(本文来源于《国家电网报》期刊2019-07-19）
白晓哲,谢凯[8]（2019）在《基于C++语言的人脸识别方法研究》一文中研究指出为了方便人脸识别程序在各种平台上的移植和人脸识别的准确性,我们提出了一种基于C++语言的人脸识别方法。该方法使用电脑摄像头采集人脸图像,首先利用OpenCV对图像中的人脸进行检测,然后对人脸进行关键点定位,最后根据检测结果对人脸进行识别。实验结果表明,通过本文基于C++语言的人脸识别方法,与传统的OpenCV和CNN算法等方法相比,速度和准确率较好,可移植性更好。1概述人脸识别技术最早可以追溯到1888年,Gallon在《Nature》上(本文来源于《电子世界》期刊2019年13期）
吴焕钦[9]（2019）在《基于跨语言迁移的无监督命名实体识别研究》一文中研究指出命名实体作为自然语言文本的关键语义信息,其识别与分类是目前自然语言处理研究中的重要研究内容。随着深度学习技术在多数语言处理任务上的普遍应用,基于深度神经网络的命名实体识别模型已经取得了较好的性能。而深度神经网络模型的成功往往依赖于规模较大的标注数据。对于使用人数较多且语料资源丰富的语言而言,获取相应的手工标注数据可能相对容易。然而,对于大多数的低资源语言而言,其用于该任务的人工标注数据规模往往较小,甚至可能不存在,且在这些语言上进行人工标注也显得较为困难。针对低资源语言上缺少命名实体识别标注数据的现状,本文的研究主要围绕如何充分地利用资源丰富语言上的手工标注数据,通过跨语言迁移将其迁移到资源稀缺语言上,从而完成低资源语言上的命名实体识别任务。本文主要针对资源稀缺语言的命名实体识别任务中的无监督应用场景,即语言中不存在任何该任务的手工标注数据的情况。围绕该极端应用场景,本文的研究主要包含以下叁个方面。(1)研究跨语言投影的无监督命名实体识别方法。针对低资源语言不存在任何标注数据的情况,对于如何利用资源丰富语言上的标注数据,本文通过两种不同的跨语言投影标注方法将高资源语言上的人工标注数据迁移到低资源语言上。在该过程中,双语词对齐与跨语言词向量将被用于实现标注在双语之间的投影。此外,注意力机制将被加入到已有的端到端的命名实体识别框架中,以更好的建模得到待标注句子间词与词的依赖关系。(2)研究面向无监督命名实体识别的跨语言迁移方法。针对跨语言投影过程中得到的标注数据带有噪声的问题,本文提出面向无监督命名实体识别的跨语言迁移模型,以代替已有跨语言投影中的基于规则映射的方法。为了更好地将所提出的跨语言迁移模型应用于低资源语言的命名实体识别任务中,本文采用后验正则框架将跨语言迁移模型作为低资源语言命名实体识别模型的正则项,建立联合训练框架,并基于期望最大化算法迭代训练跨语言迁移模型与低资源命名实体识别模型。从而获得更准确的低资源命名实体识别模型。(3)研究基于双语数据的跨语言无监督命名实体识别方法。针对低资源语言上伪标注数据规模较小的情况,本文提出引入外部双语数据的低资源语言命名实体识别框架。在该框架中,为减少引入无监督双语数据后带来的噪声,本文提出基于词对齐的双语伪标注数据过滤方法。此外,本文还将过滤后的双语伪标注数据引入到联合训练框架中以进一步提升低资源语言的命名实体识别模型的性能。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
王贺伟[10]（2019）在《融合语言知识与深度学习的文本蕴含识别及其应用研究》一文中研究指出随着人工智能的不断发展,自然交互不断深入到人们生活,智能音箱,智能家教,智能搜索,智能客服等一系列产品不断产生。文本蕴含识别是自然语言理解任务中的一个基础又核心的任务,能增强问答系统理解自然语言的能力,直接的应用是能进行知识验证,相比自然理解中的意图理解,文本蕴含具有的常识和逻辑推理更具挑战,在机器阅读,自动答题,自动评分上均有直接应用。随着深度学习和神经网络的发展,同时得益于大规模数据集SNLI的发布,基于神经网络的文本蕴含识别的模型层出不穷,主要分为两大类,一类是基于句子编码的文本蕴含模型,一类是基于交互注意力机制的文本蕴含模型。文本主要关注基于交互注意力机制的文本蕴含模型。另外目前最新的文本蕴含模型也存在词对推理能力较差的问题,例如目前系统无法针对常识中的反义词,上下位词的词对关系进行识别,因此文本主要是将人工知识引入到文本蕴含识别模型,来改善这一问题。首先,我们从叁个角度获取词对知识向量,目前主要是在如何表示一个词,很少有人关注如何表示一个词对,而词对的表示对文本蕴含识别有重要的作用,我们首先尝试基于文本特征的词对关系分类,想用词对在上下位词,同义词,反义词的类别分布来表示词对关系,之后我们尝试了知识图谱表示工具TransR,希望实体向量和关系向量的相互关系能帮助我们学习到更多的信息,最后我们专门针对文本蕴含推理中的反义词和同义词进行了建模,这样我们得到了带有词汇关系知识的词对向量。然后我们获取的叁种知识向量的特点将知识向量引入到词对齐和注意力机制的部分。在特定数据集下,相比经典模型发现引入反义词向量能有较大的提升。其次,我们针对现有的中文文本蕴含数据集,针对中文的信息量大以及可能存在分词错误的问题,通过引入字特征和依存分析特征,又结合了目前流行的上下文相关向量,在中文蕴含识别数据集得到了提升。最后,我们尝试将文本蕴含技术应用在慕课场景下的短文本评分任务中,具体是结合问题和问题对应的标准答案,来判断学生回答的重要性,结合文本匹配数据集和文本蕴含数据集,构建的文本匹配器去判断问题和学生回答的匹配关系,让学生回答和标准答案来判断蕴含关系,两部分联合训练以共同构建了评分模型,在评测数据集上取得了较大提升。(本文来源于《哈尔滨工业大学》期刊2019-06-01）
识别语言论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
第二外语习得是一个复杂的现象,也是一个值得探索和研究的领域。本文试图通过探讨认知理论和社会文化理论来解释第二外语学习者如何从课内外接触的语料中识别,学习/获得新的语言知识的理论解释。认知理论和社会文化理论对语言习得都很重要。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
识别语言论文参考文献
[1].杨显华,丁春利.基于迁移学习的语言文本识别分类研究与实现[J].电子技术与软件工程.2019
[2].仁增吉.双语教育中第二语言学习者如何识别，学习/获得新的语言知识的理论解析[J].长江丛刊.2019
[3].钟琪,冯亚琴,王蔚.跨语言语料库的语音情感识别对比研究[J].南京大学学报(自然科学).2019
[4].史记征,崔俊.基于Python语言的图文识别方法研究[J].网络安全技术与应用.2019
[5].殷策,程玮,徐鑫,周礼刚,薛明香.基于Pythagorean模糊语言相似测度的模式识别方法[J].价值工程.2019
[6].高成吉.一种语言情绪识别方法的研究[J].计算机与数字工程.2019
[7].王勇,徐康.国网山东电力人工智能平台上线[N].国家电网报.2019
[8].白晓哲,谢凯.基于C++语言的人脸识别方法研究[J].电子世界.2019
[9].吴焕钦.基于跨语言迁移的无监督命名实体识别研究[D].哈尔滨工业大学.2019
[10].王贺伟.融合语言知识与深度学习的文本蕴含识别及其应用研究[D].哈尔滨工业大学.2019