一种文本信息隐藏中的语法检测算法

基于文本的信息隐藏方法是通过对大量汉语句子进行考察和结构分析,抽出以关键词为核心的改写模板,对具有一定结构特点的语句改写。但是经过同义词替换后可能会破坏句子的语言一致性。针对这一缺点,提出了一种语法检测的算法。首先根据语法库统计出词性的可选搭配对进行词性搭配检测是否合理,再检测词语属性的搭配,最后决定是否对词本身有要求进行检测。在C平台下的数值实验表明该检测算法能够有效的处理文本信息隐藏。

基于Electra和门控双线性神经网络的中文语法错误检测模型

语法错误检测是自然语言处理中自动校对技术的重要环节。中文语法灵活多变,而且错别字和语法错误会严重影响其周边范围的词义语义,甚至整个句子的原本含义,另外,现有深度学习模型为提高性能经常引入较多外部信息,也导致训练难度大。因此该研究将语法错误检测视为序列标注任务,提出了一种基于Electra的神经网络模型,以门控双线性神经网络Gated-Bilinear为其下游结构,在预训练语言模型基础上利用相邻Token的特征加强字向量的局部语义相关性,减轻其受到的错误语义影响。研究使用了历年中文语法错误检测(CGED)任务的数据集,训练并评估模型的性能,实验表明,使用该方法的检错性能在单模型和多模型集成方法上均达到最优水平。

融合字符与词性特征的泰语文本语法错误检测

文本语法错误检测与纠正旨在自动识别并纠正文本中的语法错误。与汉语、英语等语言不同,该任务在一些泰语语言的文本上受制于数据规模问题,仍然只能针对简单规则进行识别和校正。该文结合相应的语言学及错误类型特点,基于人工启发式规则,利用单语数据构建了一定规模的泰语文本语法错误检测与纠正语料库。基于该语料库,该文提出一种融合语言学特征的泰语文本语法错误检测方法,在多语言BERT序列标注模型的基础上融合字符、词与词性的深层语义表达。实验结果表明,该文方法的错误检测性能比仅依赖于多语言BERT的基线模型提升了1.37%的F1值,并且模型性能会随着训练数据规模的增大而提高,证明了该文语料库构建方法的有效性。

融合ELECTRA和文本局部信息的中文语法错误检测方法

语法错误检测是自然语言处理领域的一项基本任务,其目标是自动识别文本中存在的错别字、语法及语序错误等。与其他语言相比,中文语法灵活多变且缺乏时态、语态等标志性信息,因此,文本的局部信息对于中文语法错误检测具有重要作用。传统的机器学习方法难以检测文本中存在的语法错误,而现有深度学习方法在纠错过程中不能充分利用文本的局部信息,导致语法错误检测效果不佳。建立一种融合ELECTRA和文本局部信息的中文语法错误检测模型ELECTRA-GCNN-CRF。将语法错误检测视为序列标注任务,使用ELECTRA预训练语言模型对文本进行表征。采用卷积神经网络提取文本的局部位置和语义信息,并引入残差门控机制,降低无效信息带来的影响。通过CRF模型学习标签间的内在关联关系,输出符合标注规则的语法错误标签序列。在NLPTEA中文语法错误检测数据集上的实验结果表明,ELECTRA-GCNN-CRF在检测层、识别层和定位层上的F1值较对比基线模型分别平均提高了0.94、3.74和5.03个百分点,该模型能够有效提升语法错误检测效果。

基于双向LSTM模型的英语语法错误检测

随着人工智能的兴起,利用计算机辅助英语学习成为了一种趋势。计算机能够提供可靠和有意义的反馈,帮助提高英语水平。因此提出一种基于深度学习的语法错误检测系统,基于双向长短期记忆人工神经网络框架,结合上下文语境对不同水平的英语任务进行研究;并且通过将口语内容转录为文本内容,对其进行语法检测。实验结果表明,提出的方法具有较好的性能,可满足非母语学习者的实际需求。

英语学习者书面语法错误自动检测研究综述

英语学习者书面语法错误检测和修改系统可为作文自动评分提供参数,评测作文整体质量;也可用于计算机辅助英语教学,为学生提供书面纠错反馈,促进其二语写作能力的发展。该文概述了近十年来自然语言处理技术在英语学习者语法错误自动检测研究中的应用,首先介绍了基于大规模本族语和学习者语料库的三种数据驱动的系统设计方法,然后讨论了语误检测系统的评测标准,最后提出了提高现有系统准确率的一些建议。

Snort1.8检测规则语法的分析

本文分析了跨平台、轻量级的网络入侵检测系统Snort1.8使用的检测引擎的规则语法,说明了Snort1.8如何合理组织这些规则来描述和解释攻击行为,并通过对Content关键字匹配范围的统计,指出加速和自行扩展Snort1.8的方法。

融合词性与声调特征的越南语语法错误检测

BERT(Bidirectional Encoder Representation from Transformers)预训练语言模型在对越南语分词时会去掉越南语音节的声调,导致语法错误检测模型在训练过程中会丢失部分语义信息。针对该问题,提出了一种融合越南语词性和声调特征的方法来补全输入音节的语义信息。由于越南语的标注语料稀缺,语法错误检测任务面临训练数据规模不足的问题。针对该问题,设计了一种由正确语料生成大量错误文本的数据增强算法。在越南语维基百科和新闻语料上的实验结果表明,所提方法在测试集上取得了最高的F和F分数,证明该方法可提高检测效果,并且随着生成数据规模的扩大,该方法与基线模型方法的效果都得到了逐步提升,从而证明了所提数据增强算法的有效性。

基于数据增强和多任务特征学习的中文语法错误检测方法

由于中文语法的复杂性,中文语法错误检测(CGED)的难度较大,而训练语料和相关研究的缺乏,使得CGED的效果还远未达到实用的程度。该文提出一种CGED模型,APM-CGED,采用数据增强、预训练语言模型和基于语言学特征多任务学习的方式,弥补训练语料的不足。数据增强能够有效地扩充训练集,而预训练语言模型蕴含丰富的语义信息又有助于语法分析,基于语言学特征多任务学习对语言模型进行优化则可以使语言模型学习到跟语法错误检测相关的语言学特征。该文提出的方法在NLPTEA的CGED数据集进行测试,取得了优于其他对比模型的结果。

基于机器翻译的语法错误检测语音识别模型

为了解决非英语母语学习者在语音识别中出现的语法错误问题,提出了基于神经机器翻译的语法错误检测语音识别中的语言模型。将构建的语言模型与传统的语言模型进行了比较,分析了该语言模型算法在语法错误检测中的性能。结果显示,由于神经机器翻译具有特定的内部结构,可以结合上下文信息进行语音识别,神经机器翻译模型可以更好地进行语法错误检测。通过比较不同语言模型结果,该方法比基于规则的方法有显著优势,神经机器翻译语言模型的精度、召回率、F值分别为0.54、0.52、0.53,证明了该模型具有较好的性能。

计算机软件安全检测技术的分析与应用

现在人们生活工作中人手一本笔记本电脑,在这台计算机中存储着大量的信息以及与工作相关的软件和资料,因此对于计算机软件的安全性能要求也相应的提高了,人们也越来越希望能够通过一些高级的技术排查计算机中存在的安全隐患,让自己的计算机受到一定的保护。本文将针对计算机软件安全检测技术,对如何提高计算机网络的可靠性以及安全性做出一定的探究。

AVS视频解码的错误检测与掩盖方法

研究了视频误码的语法/语义检测、相关性检测方法和错误掩盖方法,分析了AVS的技术特性。在此基础上提出了一种基于AVS的错误两步检测法和基于图像编码帧类型(I,P,B)的自适应错误掩盖方法。实验结果表明,两步检测法能对AVS码流中的错误进行准确定位,自适应错误掩盖方法对图像的恢复效果显著。同时该方法不中断解码器,不影响解码器的实时解码速度。

基于机器视觉的英语自动翻译语法错误检测系统研究

针对传统手写英语字体存在语法错误检测准确率低,导致语法纠错效果不佳的问题。提出基于机器视觉的手写英语自动翻译语法错误检测系统。首先触发采集传感器,利用工业相机对手写英语字体进行拍摄和字体采集;然后利用处理算法对手写英语字体轮廓进行提取和识别定位;之后对识别字体特征进行重排序处理;最后通过训练后的基于BERT的英语语法错误检测模型进行语法错误检测。实验表明,对比于其他语法错误检测模型,本模型在测试集上的检测精确度明显更高,其最高可达90%。在120幅不同类别的英语手写图像中,本系统的英语语法检错正确率高达99.62%,比传统的人工检测方法高出了41.66%,且本系统进行语法错误检测的所用时间控制在25 s以下,相较于人工检测方式低了5倍。由此可知,本系统可实现手写英语字体的准确识别和分类,通过本模型能够提升手写英语语法错误检测率和效率,从而进一步提高了语法纠错效果。

数控程序的编制及刀具轨迹仿真的实现

利用VisualC + +开发数控技术刀具轨迹仿真软件 ,用于本科生实验教学。该软件可以实现数控程序的编制、语法检测、刀具轨迹仿真、基础知识学习等功能。

基于语法的软件安全检测

文中讲述了利用语法检测分析软件脆弱性的原理及方法,描述了基于语法规则的检测模型及其工作过程,提出了分析工具的系统设计方法,阐述了一个c/s(客户端/服务端)结构的基于语法错误分类和插件技术的软件安全漏洞检测系统设计。

B/S模式下的半自动化外语作文批改组件的设计与实现

基于在线外语学习中英语作文在线批改的需要,在研究Language Tool、Java Script和Jquery技术基础上,设计和实现了一个基于浏览器的半自动化的作文批改组件。该组件能够借助Language Tool实现对作文内容的自动拼写和语法检测,并在检测结果的基础上,允许批阅者在浏览器端对中间结果进行继续批改,方便了教师在线作文批阅,也方便了学生在线查看作文的批改结果。该组件已应用到易立方智能化外语学习平台中,可以为其他在线外语学习平台提供参考。

英语翻译机器人翻译错误自动检测系统研究

针对英语翻译错误检测中的语法错误检测问题,构建了一个以图神经网络为基础的语法错误检测模型。从序列标注任务的性质,以及对图神经网络建模所具有的优势这两方面进行考虑,然后构建的语法错误检测框架以双向LSTM模型为基础,并在其中融合了使用门控图神经网络对错误语句的依存句法树建模的方法和预测上下文的多任务训练方法,使模型可以更好地理解语义和上下文关系。实验结果表明:GGNN模型在测试中,验证集上的错误检测准确率提高了19.9%,召回也提高了25.9%,测试集上的F值提升了30.1%。证明了基于图神经网络的语法错误检测模型在检测语法错误上具有可行性和有效性。

计算机软件安全漏洞技术研究

计算机软件安全漏洞的检测,关系到软件信息安全与计算机正常运行。结合对安全漏洞的了解,掌握安全漏洞检测的特点与影响因素,从静态化与动态化两种检测技术着手,提高安全漏洞检测准确性,从而达到提高安全检测效率的目的。

基于先验约束的空时联合视频错误检测算法

视频错误检测是视频错误隐藏的基础,为此针对视频的典型应用场景对其展开研究,对基于空域特征的错误检测算法进行了改进,使其可自适应调节判决门限。在此基础上综合已有算法并引入视频时域相关性特征,提出一种具有较强普适性的基于先验约束的空时联合视频错误检测算法。以3G视频通话业务为例进行仿真,仿真结果表明,该算法错误检测的定位精度较高,为错误隐藏提供了可靠依据。

灵活语法教学,助力学生内化语法知识——高中英语语法教学的有效策略

英语是高中课程的重要内容,教师的有效教学不仅有助于提高学生成绩、培养学生语感,更有助于培养学生的综合能力,促进学生发展。语法作为英语的基础性内容,影响着学生英语能力的发展,教师如何灵活语法教学,助力学生内化语法知识?本文从构建语法知识框架;巧妙引入语法检测;灵性引导语法积累三个方面阐述。