融合被动和可能态模型的日汉统计机器翻译

日语中谓词语态有不同的词尾变形,其中被动态和可能态具有相同的词尾变化,在统计机器翻译中难以对其正确区分及翻译。因此,该文提出一种利用最大熵模型有效地对日语可能态和被动态进行分类,然后把日语的可能态和被动态特征有效地融合到对数线性模型中改进翻译模型的方法,以提高可能态和被动态翻译规则选择的准确性。实验结果表明,该方法可以有效提升日语可能态和被动态句子的翻译质量,在大规模日汉语料上,最高翻译BLEU值能够由41.50提高到42.01,并在人工评测中,翻译结果的整体可理解度得到了2.71%的提升。

基于区块链的轻量级匿名评审协议

同行评审的重要价值一直被学术界广泛认可,然而其过程的不透明广受诟病。近年来,区块链技术的快速发展正在迅速推动以太坊等开放式智能合约平台的成熟,为开发去中心化的评审系统奠定了坚实基础。然而,目前去中心化的评审协议面临两个有挑战性的问题。首先,由于区块链记录的信息是透明公开的,若评审方的身份在评审结果产生前被公开,会导致匿名性难以保障,不利于维护评审过程的公平性。其次,由于智能合约中函数的每一次调用都要花费一定量链上资源,执行包含n位评审方的协议需花费O()n链上资源,导致可扩展性难以保障,协议难以应用到实际场景。本文提出一种基于区块链的轻量级匿名审稿协议(Blockchain-based Lightweight Anonymous Review,BLAR),旨在解决去中心化评审协议的匿名性和可扩展性两个关键问题。BLAR协议不需要在评审结果展示前在区块链上存储任意可能导致指派信息泄露的信息,包括但不限于被选中评审方的账户地址或其哈希值,从而使攻击者无法确定性地找出对应某投稿的评审方。同时,BLAR协议不依赖区块链进行存储与计算,而是仅利用区块链进行验证和可信性保证,从而在最小程度造成区块链链上负担的情况下,保证数据汇聚与处理的可信性。我们证明,只要主办方和评审方存在至少一位诚实参与者,BLAR协议一定能执行完毕,且一定能产生符合评审者打分的正确结果。我们还证明,当全部协议参与方具备理性时,执行BLAR协议全过程的成本为O(1),独立于参与方数量的规模。我们在以太坊官方测试网络上实现了BLAR协议,并进行了实验评估。结果表明,无论协议参与方的规模大小,BLAR协议都可以将匿名评审的执行成本降低到1美元以下,远低于现有工作中方案的执行成本,具备了实用性。

基于SOPC的视场拼接系统设计与实现

宽视场图像在视频压缩、虚拟现实和传输等领域有着广泛的应用。虽然利用广角镜头也可得到宽视场图像,但广角镜头的边缘会产生难以避免的扭曲变形。为了在普通成像系统的基础上获得宽视场图像,产生了图像拼接技术。分析了双路视场拼接系统的光学及机械原理,讨论了基于相位相关的视场拼接算法优劣,提出了建立基于SOPC的双视场拼接思想,介绍了双视场拼接系统的设计与实现。

基于字形与语音的音译单元对齐方法

为了解决仅采用基于语音或基于字形的音译方法造成的误差过大问题,以汉英音译为主要研究对象,运用统计与规则的理论思想,提出融合基于语音和字形的音译单元对齐方法,设计了4个实验,与传统方法进行对比。实验结果显示,该方法能够很好地提高机器音译的准确性。