导读:本文包含了多层随机场论文开题报告文献综述及选题提纲参考文献，主要关键词:自然语言处理,语义分类,条件随机场
多层随机场论文文献综述
刘磊[1]（2016）在《基于多层条件随机场的短语音语义识别方法》一文中研究指出随着语音识别技术的日益成熟和自然语言处理技术的进步,人们采用语音和移动智能设备交互已经成为了一种趋势。本文的研究重点是如何让移动智能终端理解用户口语的语义内容,研究了一种基于多层条件随机场的短语音语义组块识别方法,该方法将口语语义理解分解为操作指令分类和语义组块信息提取两个过程,在这两个过程中均使用了条件随机场技术,通过获得组块的中间表示格式得到操作任务的语义树表达,智能终端根据最终的语义树去执行相应的任务操作,从而实现了对用户口语操作指令语义理解的目的。本文的主要工作如下:1)语料采集与分析:语料采集对象是在校学生群体,经分析将用户指令分成了十种类型。采用了两种不同的分词及词性标注工具(BosonNLP与HanLP)来建设语料库,得到了操作指令分类语料库和语义组块识别语料库,分别用于操作指令分类和语义组块信息提取两个过程中。2)根据本文研究对象的特点,设计了操作指令分类模板和语义组块识别模板,依据模板采用条件随机场技术对操作指令分类语料库中的训练语料进行训练,得到了操作指令分类模型(m_A);使用条件随机场对语义组块识别语料库中的训练语料进行训练,得到了十种操作指令的语义组块识别模型(m_N)。3)使用已经训练好的模型m_A对操作指令分类语料库中的某条测试语料进行分类,识别结果为N类型操作指令。接着使用对应的语义组块识别模型m_N,完成N类型操作指令的语义组块信息提取,并采用中间表示格式来表示N类型操作指令,得到该操作指令的语义树,从而实现对N类型操作指令的理解。在实验中,采用HanLP分词标注的操作指令分类准确率达到91.67%,采用BosonNLP分词标注的操作指令分类准确率达到了94.79%。采用HanLP分词标注的操作指令语义组块提取平均正确率达到了88.19%,采用BosonNLP分词标注的操作指令语义组块提取平均正确率达到了91.25%。(本文来源于《中南民族大学》期刊2016-05-16）
金永男,曹国,尚岩峰[2]（2016）在《基于多层马尔科夫随机场融合的图像分割》一文中研究指出由于传统图像分割方法对噪声的敏感性和检测结果的不连续性等问题导致图像分割精度较低,提出一种基于多层马尔科夫随机场模型融合的图像分割方法。首先分别通过模糊C均值聚类(FCM)方法和马尔科夫随机场(MRF)方法得到两个分割效果较差的图像,随后运用多层马尔科夫随机场模型的融合特性将两个传统方法得到的分割结果进行融合。该方法运用多层马尔科夫随机场融合方法引入邻域内像素间相关性和各层间的联系,并且在实验中得出与两个传统方法相比较更细致和精确的结果。实验结果表明,多层马尔科夫随机场模型的融合方法可以将两个传统分割方法的结果较好地融合,并且得到更加精确的结果。(本文来源于《计算机应用与软件》期刊2016年04期）
刘殷,吕学强,刘坤[3]（2016）在《条件随机场与多层算法模型的实体自动识别》一文中研究指出实体自动识别技术是人们获取信息的有力手段,也是自然语言处理研究的关键技术之一。目前命名实体识别的研究较多,且已趋于成熟,而对汉语文本中的其他实体(名词性、代词性)研究较少。因此提出了一体化识别命名实体识别和名词性实体的方法,该方法将实体的汉字、分词、词性标注等信息引入条件随机场;再利用多层算法模型优化已经识别出的实体,以及召回未识别出的实体。在标准ACE语料库上进行实验,正确率达到75.56%,召回率达到72.52%。结果表明该方法对于实体识别问题是有效的。(本文来源于《计算机工程与应用》期刊2016年11期）
金永男,曹国[4]（2014）在《基于多层马尔科夫随机场模型的变化检测》一文中研究指出提出了一种基于多层马尔科夫随机场模型的变化检测方法.首先输入的多个特征通过模拟退火方法得到对应每个特征的初步检测结果,然后利用多层马尔科夫随机场将初步检测结果进行融合.最后对图像进行目标级分割并与像素级变化检测结果相结合,根据各个目标的变化率给出了最终的变化检测.文章提出的方法运用多层马尔科夫随机场融合方法充分考虑了相邻像素间的相关性和各层之间的联系,并从目标角度进行了变化率的分析,使得融合结果更细致和精确.(本文来源于《南京师范大学学报(工程技术版)》期刊2014年03期）
胡文博,都云程,吕学强,施水才[5]（2009）在《基于多层条件随机场的中文命名实体识别》一文中研究指出命名实体识别属于自然语言处理的基础研究领域,是信息抽取、信息检索、机器翻译、组块分析、问答系统等多种自然语言处理技术的重要基础。主要研究中文命名实体中对复杂地名和复杂机构名的识别,提出一种基于多层条件随机场的命名实体识别的方法。对大规模真实语料进行开放测试,两项识别的召回率、准确率和F值分别达到91.95%、89.99%、90.50%和90.07%、88.72%、89.39%。(本文来源于《计算机工程与应用》期刊2009年01期）
多层随机场论文开题报告
（1）论文研究背景及目的
此处内容要求：
首先简单简介论文所研究问题的基本概念和背景，再而简单明了地指出论文所要研究解决的具体问题，并提出你的论文准备的观点或解决方法。
写法范例：
由于传统图像分割方法对噪声的敏感性和检测结果的不连续性等问题导致图像分割精度较低,提出一种基于多层马尔科夫随机场模型融合的图像分割方法。首先分别通过模糊C均值聚类(FCM)方法和马尔科夫随机场(MRF)方法得到两个分割效果较差的图像,随后运用多层马尔科夫随机场模型的融合特性将两个传统方法得到的分割结果进行融合。该方法运用多层马尔科夫随机场融合方法引入邻域内像素间相关性和各层间的联系,并且在实验中得出与两个传统方法相比较更细致和精确的结果。实验结果表明,多层马尔科夫随机场模型的融合方法可以将两个传统分割方法的结果较好地融合,并且得到更加精确的结果。
（2）本文研究方法
调查法：该方法是有目的、有系统的搜集有关研究对象的具体信息。
观察法：用自己的感官和辅助工具直接观察研究对象从而得到有关信息。
实验法：通过主支变革、控制研究对象来发现与确认事物间的因果关系。
文献研究法：通过调查文献来获得资料，从而全面的、正确的了解掌握研究方法。
实证研究法：依据现有的科学理论和实践的需要提出设计。
定性分析法：对研究对象进行“质”的方面的研究，这个方法需要计算的数据较少。
定量分析法：通过具体的数字，使人们对研究对象的认识进一步精确化。
跨学科研究法：运用多学科的理论、方法和成果从整体上对某一课题进行研究。
功能分析法：这是社会科学用来分析社会现象的一种方法，从某一功能出发研究多个方面的影响。
模拟法：通过创设一个与原型相似的模型来间接研究原型某种特性的一种形容方法。
多层随机场论文参考文献
[1].刘磊.基于多层条件随机场的短语音语义识别方法[D].中南民族大学.2016
[2].金永男,曹国,尚岩峰.基于多层马尔科夫随机场融合的图像分割[J].计算机应用与软件.2016
[3].刘殷,吕学强,刘坤.条件随机场与多层算法模型的实体自动识别[J].计算机工程与应用.2016
[4].金永男,曹国.基于多层马尔科夫随机场模型的变化检测[J].南京师范大学学报(工程技术版).2014
[5].胡文博,都云程,吕学强,施水才.基于多层条件随机场的中文命名实体识别[J].计算机工程与应用.2009