听辨在声纹鉴定中的作用

目的对言语特征进行研究,扩大声纹鉴定的应用范围。方法分析当前声纹鉴定的技术方法,汇总听辨结合的几种方法,找出听辨结合的关键点。结果对以往的鉴定经验和教训进行归纳总结,改进现有的鉴定模式和理念,使其贴近实战、贴近案件需求。

基于强化语义的中文广告文本识别技术研究

互联网是广告推广的重要媒介,但是低质、诈骗、违法等违规广告也大量充斥其中,严重污染网络空间,因此,实现恶意广告的有效甄别对构建安全清朗的网络环境意义重大。针对各类违法违规中文广告内容的识别需求,利用Bert(bidirectional encoder representation from transformers)和Word2vec分别提取文本字粒度和词粒度嵌入特征,使用CNN(convolutional neural networks)网络对Bert高层特征做深层抽取,同时将词粒度特征向量输入到双向LSTM(long short-term memory)网络提取全局语义,并采用Attention机制对语义特征强化,将强化特征和Bert字粒度特征进行融合,充分利用动态词向量和静态词向量的语义表征优势,提出一种基于强化语义的中文广告识别模型CARES(Chinese advertisement text recognition based on enhanced semantic)。在真实的社交聊天文本数据集上的实验表明,与使用卷积神经网络、循环神经网络等文本分类模型相比,CARES模型分类性能最优,能更加精确识别社交聊天文本中的广告内容,模型识别的正确率达到97.73%。

基于候选主题词与话题分类的人物行为研究

如何从海量聊天数据获取聊天主题和聊天人物行为是案件智能化分析的热点问题之一。传统词嵌入方法,将文本中的所有词汇映射到向量空间,存在词汇特征冗余的问题。为了缓解这一问题,该文提出一种基于候选主题词的话题分类算法—CTW(candidate topic words)。该算法使用LDA主题模型抽取聊天文本中的关键词,使用预训练词向量得到显著的语义特征,同时为增强特征,将字符特征与获取的词汇特征进行融合。传统方法同时还存在只关注话题无法更精确地刻画人物行为的问题。针对该问题,该文提出了同时获取聊天话题和人物行为的方案:针对已归类的话题,该方案使用群成员互动强度、群成员活跃度作为人物行为网络中的权值,构建话题参与人的行为网络图;最后通过成员在群中的备注给人物赋予不同的社会标签,以丰富人物行为。实验表明,提出的话题分类算法,在实际搜集的数据集上比基线模型拥有更佳的性能,在获取群聊话题的同时得到了更丰富的人物行为描述。

贞丰县:加大结构调整发展县域经济

在传统的粮食生产使农民增产不增收问题日趋突出的背景下,如何充分开发和利用全县丰富的地下资源和地上资源,发展县域经济?从“八五”期末开始,贞丰县委、县政府作了有益的尝试。 在地下资源的开发和利用问题上,贞丰主要立足于黄金矿产资源。1994年,贞丰认真抓了黄金氧化矿的开采,全县生产黄金达1万多两,成为贵州省黄金生产历史上的第一个黄金万两县,仅此一项县级财政收入增加近1000万元,贞丰也因此而得到省委、省政府及黔西南州委、州政府的表彰和奖励。为了应对黄金氧化矿的变局,加速黄金原生矿的开发步伐,从“

听辨结合扩大声纹鉴定的应用范围

通过听辨可识别话者的言语特征,据此分析其语音生理特征、心理活动特征、地域职业特征等,识别说话人身份;在此基础上,结合其它声纹鉴定方法最终作出同一认定或分析意见。由于独特的技术优势,声纹鉴定技术得到越来越广泛的应用,为公安部门有效预防犯罪和快速侦破案件提供支持和帮助。