语言识别

摘要： 一、前言人工智能是研究、开发用于模拟、延伸和扩展人的智能的理论、方法、技术及应用系统的一门新的技术科学,包括机器人、语言识别、图像识别、自然语言处理和专家系统等。时代的进步和经济社会的快速发展为人工智能时代的到来提供了强劲而有效的环境基础。现如今,人工智能不仅运用于科技企业,而且运用到全社会的方方面面。人工智能模仿了人类的“认知”功能并借用机器的设计和使用,代替了部分具有人类思维的职位和大部分程序化的机械工作。

摘要： 研究AI语言功能中的核心技术即智能语音识别技术,并将AI语音功能应用于配电自动化主站中,以实现AI调图、AI定位和AI搜索功能。

摘要： 人工智能(Artificial Intelligence),也就是我们日常所讲的AI技术,应该是当今社会最火热的话题之一,该领域研究包括机器人、图像识别和语言识别等内容。人工智能引领未来科技领域发展和人们生活方式转变,在场景营销领域,应用最多的AI技术是偏数据分析和深度学习方面,在企业与用户实时互动的同时,最大化挖掘客户全生命周期营销价值。

摘要： 人工智能(Artificial Intelligence,AI)是计算机学科的一个分支,旨在运用计算机算法和模型来模拟人的某些思维过程和扩展人的智能,让机器自动实现人类水平的智能任务。人工智能的研究包括机器人、语言识别、图像识别、自然语言处理和专家系统等内容,近年来,随着其技术的发展及其在教育行业的深入应用,对基础教育产生的影响将日趋广泛和深刻。

摘要： 中国城市品牌形象日益成为宣传城市文化自信力、凝聚力和创造力的重要手段.以国内外部分城市品牌设计案例为样本,结合品牌形象设计以及平面设计的相关理论,综合分析并给出城市品牌形象构建的可行性设计战略方向.研究发现,有历史文化沉淀的城市与新兴经济发展起来的城市在品牌设计上存在较大的区别.因此,在制定的品牌形象定位分析图表模型下,找准对应的设计战略方向,会让城市的品牌形象构建更加准确,可以有效地划分城市发展定位,确立城市品牌个性,达到助力建设有中国特色的城市品牌形象的目的.

摘要： 2021年4月22日,北京语言大学语言资源高精尖创新中心通过线上学术发布会的形式,正式推出世界语言和文字基本知识库、"世界语言文字名称中文译写规则"(简称"两库一蓝本"),全面展示世界语言文字基础知识。语言是了解一个国家最好的钥匙,为了让国人更好地了解全世界的语言文字基本情况,语言资源高精尖创新中心设立了由孙宏开教授和黄行教授联合主持的"语言识别理论及语言数量统计的方法论研究"重大项目,在全球范围内汇聚各种权威开源信息。

摘要： 为了解决现有垃圾桶功能单一、实际使用性差、垃圾处理不够卫生的问题,本文将介绍一种基于语音识别的智能垃圾桶,希望使用者只需要通过语音就可以完成丢垃圾到打包处理的一系列操作.使用者无需接触垃圾桶任何部位即可准确投放垃圾,防止交叉感染,环保卫生,外形美观;无需外接电源,是用普通电池,耗电低,使用寿命长;密封性能好,减少了生活中各种病菌交叉感染的机率,无垃圾异味溢出,确保四周空气清新.为智能垃圾桶加入示廓灯,让使用者在黑夜也能一眼发现垃圾桶,同时也为智能垃圾桶加入更多贴近生活、更实用的智能设计.

摘要： 随着技术的不断发展进步,在养殖行业中,越来越多的养殖企业开启智能养殖,通过大数据、图像识别、语言识别、物流算法、怀孕诊断、智能测温等智能技术的运用来探索高效率、低风险的生猪养殖模式。在第四届世界智能大会上,中国农业产业化国家级重点龙头企业新希望集团京津地区总经理宫敬利,结合自身在现代化生猪养殖技术的研究与实践经验,介绍了当前智能化设备和技术的应用是如何提升传统生猪养殖行业的养殖效率,筑起生猪疾病防控的“防火墙”,从整体上提高生产力和经济效益的。

摘要： 网智天元是一个具有网络智能核心技术的软件企业,网络智能是人工智能的第三个阶段,而人工智能的第一个阶段是感知智能,包括语言识别、人脸识别等;第二个阶段是认知智能,包括语义理解、自然语言处理、人机翻译等。网络智能研究的是网络群体的行为同频,包括情感共鸣和认知共识。网智天元在网络智能层面积累了很多相关的知识产权,形成了自己的一套理论。我们的理论是用数据智能对全网的海量大数据进行挖掘和分析,用金融智能对整个互联网的资金流进行分析和计算,同时研究相关的情感智能,构建信息流、资金流和情感流的网络智能金三角。

摘要： 目的 针对公共场合服务机器人,探索用户对其屏幕设计的偏好和预期.方法 实验为3(屏幕设计方案:头部单屏/双屏/一体屏)*2(屏幕信息呈现:有/无)的组内实验设计.采用对偶比较法研究被试在有无屏幕信息呈现下对不同屏幕设计方案的偏好.因变量为用户偏好选择,以及对每种方案的互动意愿,智能度和拟人度评价.实验共30位被试参与.结果 不论有无信息呈现,被试最偏好的均为双屏设计.核心原因在于其拟人度高、信息展现效率高.无信息呈现时,被试对一体屏和头部单屏的偏好不存在显著差异;而有信息呈现时,被试对一体屏的偏好显著增加.此外,面对不同的屏幕设计,被试会产生不同的功能及交互类型的预期.结论 研究结果可以用来指导公共场合服务机器人的屏幕设计.

摘要： 我国是一个历史悠久、民族众多、语言复杂的国家,中华人民共和国成立以后,经过长期的识别鉴定,已经确定有56个民族。除汉族外,其余55个少数民族,他们都有自己的语言。这些少数民族之中,除满族、回族等民族绝大部分使用汉语外,其余都使用本民族语言。rn 本文介绍了一个民族使用多种语言的情况，阐述了语言识别与民族识别的关系，论述了语言识别的必要性，分析了语言识别的标准，列举了一个语言识别的实例。

摘要： 本文提出了一种使用浊音信息表示语言特征,通过计算其上的Mel频率倒谱系数(MFCC),"正向"和"反向"综合使用隐马尔可夫模型(HMM)进行语言识别的方法.对新疆维语和广东粤语的电话录音进行识别实验,平均正确识别率达到89﹪以上.

摘要： 语句及篇章的韵律结构和信息结构的分析和模型化是提高语音合成的自然度、降低自然语言识别错误率的关键。本文在带有韵律标注ASCCD语料库的基础上对韵律短语的时长和音高特性进行了研究,得到并验证了如下一些结论：(1)韵律短语边界对音节时长有明显的延长作用,不同声调对音节的时长延长作用不同,并且不同的重音级别对音节时长的延长作用也不同。(2)韵律短语边界处中断的时长在较小的韵律边界表现的更为明显。韵律短语的边界处发生了明显的音高重置现象,韵律短语的音高低线总是下降的,而音高高线只是在重音后下降,并且重音处的音域大而且音高高线的位置高。

摘要： 本文设计实现了一种基于多模型分层次的从双语语料库中抽取命名实体对的方法。首先对命名实体识别，然后分层次抽取命名实体。第一层通过双语识别信息和对齐技术,利用意译模型和音译模型打分得到短命名实体；第二层用规则的方法合并短命名实体生成长命名实体对。实验显示,双语识别信息和对齐技术对于短命名实体的抽取效果很好,针对长命名实体抽取问题的合并规则也能在一定程度上抽取出长命名实体。

摘要： 本文设计实现了一种基于多模型分层次的从双语语料库中抽取命名实体对的方法。首先对命名实体识别，然后分层次抽取命名实体。第一层通过双语识别信息和对齐技术,利用意译模型和音译模型打分得到短命名实体；第二层用规则的方法合并短命名实体生成长命名实体对。实验显示,双语识别信息和对齐技术对于短命名实体的抽取效果很好,针对长命名实体抽取问题的合并规则也能在一定程度上抽取出长命名实体。

摘要： 本文设计实现了一种基于多模型分层次的从双语语料库中抽取命名实体对的方法。首先对命名实体识别，然后分层次抽取命名实体。第一层通过双语识别信息和对齐技术,利用意译模型和音译模型打分得到短命名实体；第二层用规则的方法合并短命名实体生成长命名实体对。实验显示,双语识别信息和对齐技术对于短命名实体的抽取效果很好,针对长命名实体抽取问题的合并规则也能在一定程度上抽取出长命名实体。

摘要： 本文设计实现了一种基于多模型分层次的从双语语料库中抽取命名实体对的方法。首先对命名实体识别，然后分层次抽取命名实体。第一层通过双语识别信息和对齐技术,利用意译模型和音译模型打分得到短命名实体；第二层用规则的方法合并短命名实体生成长命名实体对。实验显示,双语识别信息和对齐技术对于短命名实体的抽取效果很好,针对长命名实体抽取问题的合并规则也能在一定程度上抽取出长命名实体。

摘要： 本文设计实现了一种基于多模型分层次的从双语语料库中抽取命名实体对的方法。首先对命名实体识别，然后分层次抽取命名实体。第一层通过双语识别信息和对齐技术,利用意译模型和音译模型打分得到短命名实体；第二层用规则的方法合并短命名实体生成长命名实体对。实验显示,双语识别信息和对齐技术对于短命名实体的抽取效果很好,针对长命名实体抽取问题的合并规则也能在一定程度上抽取出长命名实体。

摘要： 本文介绍了一个基于ARM的说话人确认系统，该系统确认算法建立于高斯混合模型－全局背景模型(GMM-UBM的基础上，并对系统的代码移植进行优化改进。硬件系统采用EasyARM2131为系统的实时实现提供了保证。

摘要： 本文介绍了一个基于ARM的说话人确认系统，该系统确认算法建立于高斯混合模型－全局背景模型(GMM-UBM的基础上，并对系统的代码移植进行优化改进。硬件系统采用EasyARM2131为系统的实时实现提供了保证。

摘要： 本发明揭示的是利用基于字典的方法识别在多种语言的文档中的不同的区域内的语言。首先，利用适当的几何特性将文档图象划分成各种区域、地区和词标记。在每个区域中，将词标记与相关的各种候选语言的字典进行比较，而显示出最高的可信度因子的语言初始地被定义为该区域的语言。其次，将每个区域分成多个地区。然后，利用那个地区的词的可信度因子，识别每个地区的语言。对于具有低的可信度值的任何语言的判定，该区域以前所判定的语言被用于辅助该识别过程。

摘要： 识别文本,数据的语言及其文字代码系统。事先按照语言和文字代码系统的每一种组合准备按照每个文字记述了文字代码的出现概率的出现概率表。把输入的文字代码序列分成一个个文字,参照出现概率表得到其文字代码的出现概率。按照语言和文字代码系统的每一种组合计算出现概率的积,根据得到的积,判断关于输入文字代码序列的语言和文字代码系统的组合。

摘要： 本发明揭示的是利用基于字典的方法识别在多种语言的文档中的不同的区域内的语言。首先,利用适当的几何特性将文档图象划分成各种区域、地区和词标记。在每个区域中,将词标记与相关的各种候选语言的字典进行比较,而显示出最高的可信度因子的语言初始地被定义为该区域的语言。其次,将每个区域分成多个地区。然后,利用那个地区的词的可信度因子,识别每个地区的语言。对于具有低的可信度值的任何语言的判定,该区域以前所判定的语言被用于辅助该识别过程。

摘要： 本申请提出一种自然语言识别设备，包括输入装置、处理装置以及存储装置。所述输入装置用以提供自然语言数据。所述存储装置用以存储多个程序模块。所述多个程序模块包括语法分析模块。所述处理装置执行所述语法分析模块，以通过形式语法模型来分析所述自然语言数据，并且产生多个字串数据。当所述处理装置判断所述多个字串数据的至少其中一个符合预设的有效语法条件时，所述处理装置判断所述字串数据的至少其中一个为意图数据，并且所述处理装置依据所述意图数据输出对应的回应信号。另外，一种自然语言识别方法也被提出。

摘要： 本发明提供了语言识别装置和语言识别方法，识别文本数据的语言及其文字代码系统。事先按照语言和文字代码系统的每一种组合准备按照每个文字记述了文字代码的出现概率的出现概率表。把输入的文字代码序列分成一个个文字，参照出现概率表得到其文字代码的出现概率。按照语言和文字代码系统的每一种组合计算出现概率的积，根据得到的积，判断关于输入文字代码序列的语言和文字代码系统的组合。

摘要： 本申请涉及一种基于语言模型的语言识别方法、文本分类方法和装置、计算机设备和存储介质，包括：获取训练语句对应的训练词向量，将其分别输入到待训练的第一模型和已训练的第二模型中，得到第一模型的各个第一网络层输出的特征矩阵，以及第二模型的各个第二网络层输出的特征矩阵；第一网络层和第二网络层一一对应，第一模型的网络层层数小于第二模型的网络层层数；将各个第一网络层输出的特征矩阵与各个第一网络层所对应的第二网络层输出的特征矩阵进行相似计算，得到各个相似度，基于各个相似度调整第一模型的模型参数，直到更新后的目标相似度满足收敛条件，得到已训练的第一模型，通过第一模型进行语言识别。采用本方法能够提高模型训练效率。

摘要： 本申请提出一种自然语言识别设备，包括输入装置、处理装置以及存储装置。所述输入装置用以提供自然语言数据。所述存储装置用以存储多个程序模块。所述多个程序模块包括语法分析模块。所述处理装置执行所述语法分析模块，以通过形式语法模型来分析所述自然语言数据，并且产生多个字串数据。当所述处理装置判断所述多个字串数据的至少其中一个符合预设的有效语法条件时，所述处理装置判断所述字串数据的至少其中一个为意图数据，并且所述处理装置依据所述意图数据输出对应的回应信号。另外，一种自然语言识别方法也被提出。

摘要： 本发明提供一种语言命名实体识别方法、语言识别装置、电子设备及介质，该方法包括：获取目标语言对应的待标注数据集；根据所述待标注数据集，基于语言预测模型，得到目标预测数据；根据预设的已标注数据集及所述目标预测数据，得到目标数据集；根据所述目标数据集，基于语言识别模型，得到所述目标语言对应的实体识别结果。该方法用以解决现有技术中由于一些目标语言及这些目标语言对应的样本数据集具有一定的局限性，易导致电子设备无法对上述这些目标语言进行准确识别的缺陷，实现电子设备可对这些目标语言进行准确识别，得到准确性较高的实体识别结果。

摘要： 本发明涉及语音识别技术领域，具体涉及一种多语言文本中的语言识别系统；包括多语音获取单元、多语音处理单元和识别应用单元；本发明将所接收的语音信息去除噪音，以便提升后续语音识别的准确性，将去除噪音的语音信息传输给多语音处理单元，对所接收的语音信息进行特征提取，通过三种特征提取，并将所提取的特征与所存储的已知特征进行匹配，进而获知其语言，能够有效实现多语音的识别效果，并提升识别的准确性，此外，还会将所识别的语音传输给识别应用单元，由识别应用单元进行试播放，并实时的对所试播放的内容进行检测，然后在正式的输出识别结果，进一步的保障所播放信息的准确性。

摘要： 本说明书一个或多个实施例提供一种自然语言识别模型生成、自然语言处理方法及设备，方法包括：获取训练模型的训练后的权重参数、以及训练训练模型使用的字典；训练模型为基于第一编程语言构建的神经网络模型；将权重参数转化为第一预设格式的数据；将字典转化为第二预设格式的数据；将第一预设格式的数据和第二预设格式的数据载入基于第二编程语言编写的推理模型中，得到自然语言识别模型；可见，本方案中，自然语言识别模型是由推理模型载入权重参数和字典得到的，由于推理模型不涉及训练过程，推理模型的数据量小于训练模型，进而减少了自然语言识别模型的数据量。