公开(公告)号：CN103778142A

公开(公告)日：2014-05-07

申请号：CN201210404108.8

申请日：2012-10-23

Applicant: 南开大学

Inventor： 刘杰 ,  陈季梦 ,  黄亚楼 ,  刘天笔 ,  王嫄

IPC: G06F17/30

CPC classification number: G06N5/025 ,  G06F17/2765

Abstract: 本发明公开了一种基于条件随机场的缩略词扩展解释识别方法，涉及机器学习领域和缩略词识别任务。本发明将传统的缩略词与扩展解释对的识别任务建模成一个序列标记任务，并采用条件随机场这一结构化模型来识别缩略词的扩展解释。针对缩略词识别任务的具体特点，发明设计并抽取了三类特征，包括拼写特征、与缩略词的对应特征、上下文相关特征，并对模型进行了改进。所设计的模型考虑了缩略词扩展解释的上下文信息和结构信息，并具有潜在稀疏特征学习能力，发明进一步设计了多种特征函数及其组合方法，从而更好地从文本序列中识别出可能的扩展解释。

公开(公告)号：CN103778407A

公开(公告)日：2014-05-07

申请号：CN201210404068.7

申请日：2012-10-23

Applicant: 南开大学

Inventor： 刘杰 ,  黄亚楼 ,  刘才华 ,  陈季梦 ,  王嫄

IPC: G06K9/00 ,  G06K9/62

Abstract: 本发明公开了一种迁移学习框架下基于条件随机场的手势识别算法，涉及机器学习领域，序列数据的标注任务，手势识别问题。通过本发明，手势识别问题不但被更准确的识别，而且相对神经网络与条件随机场相结合的方法，具有更容易优化的特点，而且由于迁移学习框架的采用，通过无监督学习方法引入辅助任务与手势识别的主任务共享隐藏层特征的方式，解决了手势识别问题中有标注数据不足情况下的识别问题。