支持向量机及其在自然语言处理中的应用

支持向量机是一种基于统计学习理论的新型机器学习方法,因其独特的优势和出色的学习性能,显现出广泛的应用前景和重要的研究价值.较为系统地介绍了统计学习理论和支持向量机的概貌,以及目前支持向量机方法研究的现状,并重点介绍了支持向量机在以汉语专有名词自动识别为例的自然语言处理领域的应用.     

统计学习方法在语义消歧中的应用研究

语义歧义大量存在于自然语言中,其排歧成功率是衡量机器翻译、信息检索、文本分类等自然语言处理软件性能的重要指标.对语义消歧这一自然语言理解领域的难点技术问题进行了探讨,分析了统计学习方法在语义消歧中的应用,阐述了统计语义消歧的有关技术,并给出一个基于贝叶斯与机读词典的语义消歧实例,取得了较高的语义消歧成功率.     

机器学习在产品信息字符视觉检测中的应用

现代工业自动化生产对产品信息字符视觉检测提出了更高要求.应用基于实例学习的机器学习方法,通过训练建立适合特定应用任务的字体实例和产品信息字符模式实例,获得优化检测参数,从而进行实时高效产品信息检测.     

基于深度学习的文本分类方法研究综述

深度学习作为机器学习领域新的研究方向,现已在图像处理、语音识别和机器翻译等领域取得了突破性的进展.在处理自然语言任务中,深度学习建立在低层特征基础上,组合形成更加抽象的高层特征,用以完成复杂的语言模型构建、语义理解和文本分类等任务,深受研究人员的关注.文本分类是自然语言处理中的一个重要应用,在文本信息处理过程中有着关键...     

基于自然语言处理和机器学习的产业用地性质的识别

在产业用地信息梳理的过程中,首先需要确定地块的底数,其中图斑所在土地的用地性质是关键信息。由于一些早期的纸质信息对相关信息的关键字缺少明确标识,所以只能花费很多人力和时间去阅读这些纸质内容或者扫描文件中的数据,最后进行人工判断、总结。现基于自然语言处理和机器学习,通过引入重要词权重构建改进型朴素贝叶斯模型,对需要的土地信息进行识别,并和实际正确的信息进行比较。结果表明：通过机器学习对字典的构建后,运用自然语言处理技术对产业用地关键信息识别的准确度和效率有较大提升。     

现代计算机智能识别技术处理自然语言研究的应用与进展

以计算机智能识别技术为核心的基于自然语言处理的应用研究获得了长足的发展。不断获得实际的应用,使得基于计算机智能识别技术的自然语言处理研究成为语音识别的重点领域。以自然语言处理为对象,通过自然语言处理在文本及语音智能方面的具体应用为视点,分析说明计算机智能识别技术在自然语言方面的应用。最后,结合当今自然语言领域研究的现状,总结基于现代计算机智能识别技术的自然语言处理研究进展及其前景。     

基于神经网络模型的文本分类研究综述

文本分类是自然语言处理与理解当中重要的一个研究内容,在文本信息处理过程中有关键作用.目前深度学习已经在图像识别、机器翻译等领域取得了突破性的进展,而且它也被证明在自然语言处理任务中拥有着提取句子或文本更高层次表示的能力,也备受自然语言处理研究人员的关注.文章以基于深度学习的文本分类技术为研究背景,介绍了几种基于深度学习神经网络模型的文本分类方法,并对其进行分析.     

机器学习在遥感影像分类中的应用

 概述了机器学习的主要方法及其在遥感影像的主要应用方向,涵盖环境生态遥感中机器学习技术的研究、应用情况及近年来的新进展。通过使用深度学习对FY-3C气象卫星资料进行积雪检测的应用实例,说明深度学习模型可以利用大数据的优势不断提高检测精度,在某些指标中取得了更优于传统机器学习的精度,可解决传统机器学习难以解决的一些问题,从而带动遥感应用模式的创新。     

基于TensorFlow手写数字识别模型设计与实现

介绍了图像识别和机器学习基本原理和流程,深入分析了softmax回归算法,设计了手写数字识别模型,在TensorFlow上使用softmax回归算法实现了手写数字图像的识别,实验表明,使用TensorFlow能够快速实现图像识别、语音识别、自然语言处理等相关的机器学习和深度学习算法,可靠性和准确性较高。     

半监督学习理论及其研究进展概述

半监督学习介于传统监督学习和无监督学习之间,是一种新型机器学习方法,其思想是在标记样本数量很少的情况下,通过在模型训练中引入无标记样本来避免传统监督学习在训练样本不足(学习不充分)时出现性能(或模型)退化的问题.半监督学习已在许多领域被成功应用.回顾了半监督学习的发展历程和主要理论,并介绍了半监督学习研究的最新进展,最后结合应用实例分析了半监督学习在解决实际问题中的重要作用.     

共指消解技术综述

共指消解旨在识别指向同一实体的不同表述,在文本摘要、机器翻译、自动问答和知识图谱等领域有着广泛的应用.然而,作为自然语言处理中的一个经典问题,它是一个NP-Hard的问题.本文首先对共指消解的基本概念进行介绍,对易混淆概念进行解析,并讨论了共指消解的研究意义及难点.本文进一步归纳梳理了共指消解的发展历程,将共指消解从技术层面划分为若干阶段,并介绍了各个阶段的代表性模型,探讨了各类模型的优缺点,其中着重介绍了基于规则、基于机器学习、基于全局最优化、基于知识库和基于深度学习的模型.接着对共指消解的评测会议进行介绍,对共指消解的语料库和常用评测指标进行解释和对比分析.最后,指出了当前共指消解模型尚未解决的问题,探讨了共指消解的发展趋势.     

FMS故障诊断专家系统知识获取子系统的开发

知识获取一直是专家系统建造中的瓶颈问题,本文主要研究了专家系统的知识获取技术,提出了基于例子学习和指导学习相结合的机器学习方法,并将其应用到FMS故障诊断专家系统中,使得该专家系统在运行的过程中能够根据现场的情况不断更新和优化知识库中的知识,进一步拓宽了专家系统的应用前景.     

多输出支持向量回归算法

支持向量机是一种基于统计学习理论的新颖的机器学习方法,由于其出色的学习性能。该技术已成为当前国际机器学习界的研究热点．这种方法已广泛用于解决分类和回归问题．在回归中。目前的研究和应用都限于单输出的情况,而实际中有很多属于多输出回归问题．针对这一点,将支持向量回归算法推广到多输出情况．仿真实例说明了该算法的可行性．     

浅析机器学习及其在教育中的应用

本文探讨了学习的机理，从而概述了机器学习，进而探讨了机器学习在网络教育中的应用。     

一个基于量子群的分子对接药物设计算法

量子群作为经典李群、李代数的基本对称概念的推广,有着丰富的代数、几何及物理性质.本文基于量子群的基本理论,结合药物分子设计中的分子对接问题,在李群机器学习的基础上提出了一个基于量子群的分子对接药物设计方法,从而进一步丰富了李群机器学习理论.本文首先建立了基于量子群的分子对接模型,并设计了基于量子群生成元的分子匹配算法,运用此算法对小分子数据库中的分子进行对接,并将试验结果与Autodock4.0、分子动力学算法的对接时间和精度进行比较和分析.实例测试表明了量子群的理论与药物分子对接相结合的合理性及有效性.     

李群机器学习(LML)的学习子空间轨道生成理论及算法初探

给出了Lie群机器学习（LML）的学习子空间轨道生成格及相关的基本概念,包括李群机器学习中的样例数据集、轨道生成格理论及其算法,同时也给出了实例验证分析,与C4.5、N-Bayes算法在分类正确率上进行了比较,由此进一步证明了该理论的可行性以及算法的有效性.     

采用Seq2Seq模型的非受限词义消歧方法

词义消歧在中文自然语言处理中有着重要作用,基于传统机器学习的方法存在准确度不高,需要人工提取文本特征的缺点;基于深度学习的方法不适于词义歧义较多的情况。该文提出采用Seq2Seq模型的非受限词义消歧方法,输入词上下文序列,经过编码器编码得到潜在语义向量,再经过解码器解码输出词义序列,适用于所有词义歧义情况。最后,在SemEval-2007 Task#5任务中进行测试,测试结果表明,该文提出的方法比其他7种方法中的最优方法消歧准确率提高了11.48%。     

支持向量机下机器学习模型的分析

首先概述了支持向量机的发展与应用,指出其在机器学习领域有较大的发展前景.分析了支持向量机的基本算法,进而阐述了基于支持向量机的机器学习模型构造思路.给出了其应用于机器学习模型的核函数和训练算法,最后给出了学习模型的具体分类效果.     

基坑位移时间序列预测的高斯过程方法

应用高斯过程理论,采用机器学习的方法,针对基坑工程中常规分析方法的预测结果与实测值出入较大的问题,提出一种基于高斯过程的基坑非线性位移时间序列预测的新方法.工程实例应用结果表明,该方法科学可行,具有很强的自学习、非线性动态处理的能力,预测精度高.     

贝叶斯网络中的贝叶斯学习

从机器学习的角度研究贝叶斯方法及其学习机制,着重讨论了具有完整数据、不完整数据集,及在结构不确定时贝叶斯网络进行学习的方法,表明贝叶斯网络在数据采掘中是一个有力的工具,文后给出一个基于贝叶斯网络的学习的实例。