基于RNN-RBM语言模型的语音识别研究

近年来深度学习兴起,其在语言模型领域有着不错的成效,如受限玻尔兹曼机(restricted Boltzmann machine,RBM)语言模型等.不同于N-gram语言模型,这些根植于神经网络的语言模型可以将词序列映射到连续空间来评估下一词出现的概率,以解决数据稀疏的问题.此外,也有学者使用递归神经网络来建构语言模型,期望由递归的方式充分利用所有上文信息来预测下一词,进而有效处理长距离语言约束.根据递归受限玻尔兹曼机神经网络(recurrent neural network-restricted Boltzmann machine,RNN-RBM)的基础来捕捉长距离信息;另外,也探讨了根据语言中语句的特性来动态地调整语言模型.实验结果显示,使用RNN-RBM语言模型对于大词汇连续语音识别的效能有相当程度的提升.

基于Jena的WordNet检索技术研究

用Jena从模型的角度对WordNet进行检索研究,从而达到对语义知识库的复用和对语义知识库的二次开发。

病理生理学领域本体构建探索

病理生理学探索疾病的病因与条件、发病机制和患病机体的代谢和机能变化。该学科与生物物理学、病理学、免疫学、生物化学与分子生物学、生理学等学科存在大量知识交叉,使得其知识的范围和边界交叉,而且不断扩张。我们根据病理生理学学科的特点将病理生理学领域本体分为P-Core(病理生理学基础本体),P-Process(病理生理过程本体),P-Administrative(规则文档本体),使其具体应用于以医学教育为目的的知识基础体系,以诊断帮助信息为目的临床辅助工具。

本体映射过程中的综合相似度计算

论文以相似度计算为基本思想提出一种综合相似度的映射算法。该算法首先利用wordnet进行语言层面上的相似度计算,在进行语言层面上相似度计算的同时考虑概念自身的微观结构（概念的密度和深度）。引入密度制约参数和深度制约参数。然后基于概念实例计算概念相似度,给出了本体的综合相似度计算方法。最后采用学术领域内的SWRC本体和医学领域内的Organ本体作为测试数据对该方法进行试验,并与Glue方法和S-math方法进行了对比。结果表明,该方法具有良好的效果。