基于二阶隐马尔可夫模型的中文分词在文本情感分析中的应用

传统一阶隐马尔可夫分词模型只考虑相邻变量间的条件概率,其在获取上下文信息方面潜力有限。基于此,本文利用二阶隐马尔可夫模型来充分联系上下文语义信息并对文本进行精确分词,同时提出了一种基于二阶隐马尔可夫模型的情感分析方法,可以利用Baum-Welch算法对参数模型进行有效估计。实证结果表明,该方法的情感分类准确率达到72.23%,比一阶隐马尔可夫模型方法高出0.95%。

基于二阶隐马尔可夫模型的文本信息抽取

隐马尔可夫模型是文本信息抽取的重要方法之一.在一阶隐马尔可夫模型中,假设状态转移概率和观察值输出概率仅依赖于模型当前的状态,一定程度降低了信息抽取的精确度.而二阶隐马尔可夫模型合理地考虑了概率和模型历史状态的关联性,对错误信息有更强的识别能力.提出了基于二阶隐马尔可夫模型的文本信息抽取算法;分析了二阶隐马尔可夫模型在文本信息抽取中的有效性;仿真实验表明,新的算法比基于一阶隐马尔可夫模型的算法具有更高的抽取精确度.

基于二阶HMM的中医诊断古文词性标注

针对传统隐马尔可夫模型(HMM)的词性标注存在捕获上下文信息有限的问题,提出一种改进的二阶隐马尔可夫模型。该模型考虑上下文联系,精确标注中医诊断文本。对训练过程中出现数组下溢的问题,采用生词处理及增加比例因子的方法对其加以修正。实验结果表明,改进后的二阶HMM比传统HMM模型具有更高的词性标注正确率。

基于遗传算法和隐马尔可夫模型的Web信息抽取的改进

为了进一步提高Web信息抽取的准确性和效率,针对Web信息抽取的遗传算法和一阶隐马尔可夫模型混合方法在初值选取和参数寻优上的不足,提出了一种遗传算法和二阶隐马尔可夫模型内嵌结合的改进方法。在分层预处理阶段,利用格式信息和文本特征将文本切分成文本行、块或单个的词等恰当的层次;然后采用内嵌的遗传算法和二阶隐马尔可夫混合模型训练参数,保留最优和次优染色体,修正Baum-Welch算法的初始参数,多次使用遗传算法微调二阶隐马尔可夫模型;最后用改进的Viterbi算法实现Web信息抽取。实验结果表明,改进方法在精确度、召回率指标和时间性能上均比遗传算法和一阶隐马尔可夫模型的混合方法具有更好的性能。

基于完全二阶隐马尔可夫模型的汉语词性标注

该文基于隐马尔可夫理论,提出了一种三元词汇概率和词性概率相结合的汉语词性标注模型,并对传统的Viterbi算法进行了扩展。对统计模型中出现的数据稀疏问题,给出了基于线性插值法的平滑算法。实验表明,完全二阶隐马尔可夫模型比标准的二元、三元模型有更高的词性标注正确率和消歧率。

二阶隐马尔可夫模型及其在计算语言学中的应用

介绍了在观测噪声和马尔可夫链不相互独立的条件下改进的隐马尔可夫模型(HMM)的结构.在传统的隐马尔可夫模型的基础上研究了改进模型的Baum Welch算法,并导出了改进模型的参数估计公式.

基于二阶隐马尔科夫模型的云服务QoS满意度预测

随着云计算相关技术的迅速发展,云服务组件的QoS预测成为云计算中一个重要的研究课题。实现对QoS值的准确预测是该领域的研究难点。QoS常用来衡量不同云服务组件的性能,基于不同候选组件的QoS值,可以容易地选出最优的组件。对于同一个云服务组件,不同的用户提供的QoS值并不一定相同。针对不同的用户,有个性化的组件QoS值才能进行准确的选择。如果用户的QoS不能由单一的云服务组件满足,则应该考虑组件组合,在这种情况下,需要预测其QoS能力,以保证用户需求得到满足。文中设计了云服务组件的QoS满意预测模型,该模型使用二阶隐马尔科夫模型构建QoS满意度预测模型,通过考虑前两个状态对当前状态的影响,能够有效提高预测精度。最后,通过所构建的原型系统和具有2507个真实Web服务的QWS数据集,并应用Matlab仿真环境验证了所提方法的有效性。

与观测信息相关的二阶隐马尔可夫模型的参数估计

给出了在观测噪声和马尔可夫链不相互独立的条件下与观测信息相关的二阶隐马尔可夫模型的结构及改进模型的前向后向算法与Baum-Welch算法,并导出了改进模型的参数估计公式.

基于2阶HMM的智能车视觉地图定位方法

本文中针对视觉地图匹配问题,将视觉地图匹配问题转化为基于图像序列的最优视觉地图节点匹配问题,并提出基于2阶隐马尔科夫模型(hidden Markov model,HMM)的视觉地图匹配方法。在该模型中,状态变量被定义为高精度视觉地图节点,查询图像被定义为观测数据。在状态转移模型中,引入2阶模型对短时间车辆运动进行匀速运动建模,与传统的1阶HMM相比,可以提高模型的适用性与准确性。提出利用全局图像特征建立查询图像与地图节点之间的匹配关系,并从匹配的汉明距离建立发射概率模型,可有效提高地图匹配的效率。最后,通过前向算法来求解最优匹配的地图节点。为了验证算法的性能,分别在封闭工业园区、开放道路和KITTI公开数据集对算法进行验证。实验结果表明:2阶HMM模型能够有效融合车辆运动信息和图像信息,提高匹配的稳定性和精确度,算法性能明显优于传统的基于单帧匹配和序列匹配算法。

利用汉语语音音素帧间相关性的唇形特征识别

为了进一步提高针对汉语语音的唇形特征识别效果,分析实际汉语语音发音过程中声母韵母之间音素的变换规律,以及连读等发音习惯而造成的口形变化,利用唇形特征所对应的音素帧间的相关性,采用二阶隐马尔可夫模型来对唇形特征参数序列进行学习和识别,从而分析汉语唇形识别效果.基于独立汉字发音的实验表明,在针对特定人的识别条件下,在最优的加权因子(m∶n=1.5∶1)特征组合条件下,针对同一组融合得到的特征向量,考虑了音素帧间的相关性后,识别率提高了1.2%.可见汉语音节中音素帧间的相关性与唇形特征的变化规律相对应,有利于提高唇形识别的效果.

一种多参数的Web服务选择方法

随着服务计算的快速发展,如何快速而准确地找到最优的Web服务组合是众多挑战中最重要的一项。提出了一种基于二阶隐马尔可夫模型(HMM)的服务选择方法。该方法使用服务质量(QoS)参数去区分具有相同功能的Web服务,并且选择一组最优的Web服务来执行用户请求。通过考虑两个QoS参数-吞吐量和响应时间,该方法能够解决根据设定的阈值来衡量Web服务质量的问题。通过构建的模型和算法,方法能够选择出最优的Web服务以满足用户的需求。仿真实验验证了所提出的方法是有效的。

基于模拟退火算法和二阶HMM的Web信息抽取

针对传统隐马尔科夫模型对初值敏感和未考虑历史状态的问题,提出了使用模拟退火算法训练二阶隐马尔科夫模型参数的SA-HMM2。在基于SA-HMM2的Web信息抽取方法中,采用基于视觉的网页分割算法VIPS对网页分块得到状态转移序列,利用提出的SA-HMM2训练算法获取HMM2全局最优模型参数,用改进的Viterbi算法实现了Web信息的抽取。实验结果表明,该方法在平均综合值方面比HMM、GA-HMM分别提高约21%和7%。

二阶隐马尔科夫模型在基因识别中的应用

对经典隐马尔可夫模型(HMM)的状态转移和输出观测值的假设条件进行改进,提出了一个基于二阶隐马尔科夫模型(second-order HMM:HMM2)的基因识别系统的模型,论述了用该模型和扩展的Viterbi算法发现基因的方法.

二阶隐马尔科夫模型的原理与实现

文中简述了二阶隐马尔科夫模型(second-order markov model)的基本原理和实现中的问题,并给出了一种新的Viterbi算法:新算法是利用MAP路径估计(Maximum A Posteriori Path)改进Viterbi算法。

基于广义隐马尔可夫模型的网页信息抽取方法

针对网页所特有的基于版面结构的特点,利用基于视觉的网页分割算法VIPS对网页分块,得到一种新的状态转移序列,取代了传统的状态转移序列。通过二阶Markov链改进广义隐马尔可夫模型(GHMM)的状态转移和输出观测值假设条件,提出了二阶的广义隐马尔可夫模型。最后通过实验说明改进的GHMM对于网页信息抽取有很高的精确率。

HMM在手写数字结构信息建模中的应用

针对传统隐马尔可夫模型(HMM)在识别对象时没有有效利用所识别对象的结构信息,提出了一种基于原图像分块的HMM。这种模型利用原图像的各个分块作为状态,因此具有相应的拓扑结构,可以为所识别对象的结构信息建模。为了增强模型的描述能力与精确性,采用二阶HMM,引入了终止状态,将其应用在手写数字识别中。考虑到手写数字的结构特点与模型的拓扑结构,提出了一种提取手写数字笔画特征的方法,即根据叉点提取各个笔段的特征向量。对MNIST字库进行测试,平均识别率为95.7%。

基于序列拓扑和二阶隐马尔可夫模型的跨膜蛋白亚细胞定位预测

现有蛋白质亚细胞定位方法针对水溶性蛋白质而设计,对跨膜蛋白并不适用。而专门的跨膜拓扑预测器,又不是为亚细胞定位而设计的。文章改进了跨膜拓扑预测器TMPHMMLoc的模型结构,设计了一个新的二阶隐马尔可夫模型;采用推广到二阶模型的Baum-Welch算法估计模型参数,并把将各个亚细胞位置建立的模型整合为一个预测器。数据集上测试结果表明,此方法性能显著优于针对可溶性蛋白设计的支持向量机方法和模糊k最邻近方法,也优于TMPHMMLoc中提出的隐马尔可夫模型方法,是一个有效的跨膜蛋白亚细胞定位预测方法。

HMM2小波变换的参数估计

在观测噪声和马尔可夫链不相互独立的条件下提出了一种新方法来解决通过小波变换后的二阶隐马尔可夫模型(second-order HMM:HMM2)中高斯混合模型的参数计算问题.这种方法可以不必根据变换后的数据对系统参数进行重新估计,只需利用变换后输出的小波系数直接计算即可,避免了保留所有训练数据的繁琐复杂计算过程.

带驻留时间HMM2的Forward-Backward算法

讨论了用状态驻留时间来模型化传统HMM2模型,对传统HMM2的状态转移和输出观测值的Markov假设条件作了改进,在新模型的转移概率和输出观测值的概率中加入驻留时间,并在传统HMM2的基础上定义了新模型的前向-后向变量算法,导出了新模型的前向-后向算法的迭代公式,以及在给定模型λ的条件下,产生观测序列O的概率计算公式.

基于上下文的二阶隐马尔可夫模型

为体现上下文信息对当前词汇词性的影响,在传统隐马尔可夫模型的基础上提出一种基于上下文的二阶隐马尔可夫模型,并应用于中文词性标注中。针对改进后的统计模型中由于训练数据过少而出现的数据稀疏问题,给出基于指数线性插值改进平滑算法,对参数进行有效平滑。实验表明,基于上下文的二阶隐马尔可夫模型比传统的隐马尔可夫模型具有更高的词性标注正确率和消歧率。