检索结果-南通市图书馆

作者：郝建林中国科学技术大学

学位级别：硕士

音乐分类作为音乐信息检索(Music Information Retrieval,MIR)领域的一个重要分支,常用于音乐检索和音乐推荐。现有的音乐分类方法从音乐的流派、感情、乐器、艺术家和标注五个角度进行分类。但是这些分类方法都过于局限,它们将音乐的... 详细信息

音乐分类作为音乐信息检索(Music Information Retrieval,MIR)领域的一个重要分支,常用于音乐检索和音乐推荐。现有的音乐分类方法从音乐的流派、感情、乐器、艺术家和标注五个角度进行分类。但是这些分类方法都过于局限,它们将音乐的类别限制在了一个固定的范围内,导致用户无法根据音乐的细节信息进行音乐检索。针对音乐分类类别固定、搜索内容过于局限的问题,本文提出了一种基于用户评论的自动化音乐分类方法。此方法不再局限于已有的音乐类别,可以得到更为多样化的分类结果,为用户提供更个性化的检索体验。该方法的出发点为用户对音乐的评论描述更为深入,这些详细的描述对音乐的分类有重要的参考价值。本文的主要工作如下:1)首先利用线性链条件随机场(linear Conditional Random Field,linear CRF)模型识别专业名词。然后使用N元词串提取和紧密度分析方法,利用种子生成的思想得到适合音乐语料分词的字典。此混合方法能获取较为准确和丰富的字典,降低基于统计的分词模型对标注语料的需求。2)使用linearCRF和上述的音乐字典进行分词。接着使用基于词汇紧密度分析的分合测试评估分词结果。接着使用MMSEG(Max Matching Segmentation)模型进行分词修正,使得修正后的分词结果拥有较高的准确率。3)对比多个关键词提取算法,选择TFIDF(Term Frequency-Inverse Document Frequency)算法并优化,削弱了词频在提取过程中的影响,提高了候选标签的准确性。然后再从全局角度对候选标签进行过滤,得到音乐的关联标签。4)建立音乐的多标签概率分类模型,对音乐进行分类。5)尝试对音乐标签按相似程度进行聚类,减小对音乐分类模型的影响。实验结果表明,该音乐分类方法准确率较高,可以无监督地获取音乐多个维度的标签,为个性化的音乐检索提供了保障。

关键词：音乐分类分词模型音乐字典紧密度分析标签提取

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

一种结合代码依赖和用户反馈的软件追踪线索生成方法

一种结合代码依赖和用户反馈的软件追踪线索生成方法

引用

作者：张宗飞南京大学

学位级别：硕士

软件开发过程中,诸如代码、需求文档、测试集合等软件制品之间的追踪线索对于软件理解、影响分析、软件维护等活动都具有重要意义。然而,人工的建立软件制品之间的追踪线索需要耗费大量时间和精力。因此,自动化生成软件制品之间的追踪... 详细信息

软件开发过程中,诸如代码、需求文档、测试集合等软件制品之间的追踪线索对于软件理解、影响分析、软件维护等活动都具有重要意义。然而,人工的建立软件制品之间的追踪线索需要耗费大量时间和精力。因此,自动化生成软件制品之间的追踪关系成为领域内的研究热点。当前建立需求到代码之间追踪线索的主流方法是信息检索方法,该方法通过计算需求和代码之间的文本相似度并按照该值自大到小排序形成候选追踪线索列表。然而,需求和代码之间存在的所谓词汇表失配问题使得该方法精度有限,难以支撑日常实践。针对该问题,众多研究工作提出了一系列增强策略。其中,基于代码依赖分析以及基于用户反馈的增强策略是当前的研究热点。然而,引入代码依赖分析的增强策略严重依赖于初始候选追踪线索排序表的精度,当初始列表结果精度不高时,该方法容易对之前列表造成污染。引入用户反馈的增强策略则需要用户遍历大部分列表才能取得明显效果,难以应用到日常实践中。基于对以上相关工作的分析,为了生成需求到代码的高精度追踪线索列表,我们形成如下重要研究思路:（1）通过代码依赖紧密度分析发掘功能关系紧密的代码元素,并将其放到同一个代码域（code region）中。（2）引入用户反馈来防止直接使用代码依赖可能带来的列表污染问题,根据用户对当前代码元素与需求相关性的验证结果调整域内代码元素和域外代码元素对应候选线索的相似度值。（3）针对域内和域外代码元素对应候选追踪线索设置不同的优化策略,从而改善整个候选列表的排序。综上所述,本文工作概括如下:1.结合代码依赖紧密度分析和用户反馈的软件追踪线索生成方法。我们提出了一种结合了代码依赖紧密度分析和用户反馈的软件追踪线索生成方法。一方面通过设置代码依赖紧密度阈值划分代码域,使得功能紧密的代码元素位于同一个代码域中;另一方面,对于给定需求,将各代码域中有代表性的代码元素交由用户判断与该需求相关性,根据用户反馈结果调整相关代码元素对应候选线索的相似度值。2.实验数据组织及方法验证。我们用一个被领域内广泛用于软件追踪线索生成方法验证的高质量数据集和三个被广泛应用于日常实践的开源系统可追踪数据集验证了我们方法的有效性和实用性。并且,我们通过对开源软件在issue-tracking工具上的软件行为信息进行分析整理,组织了其需求到代码的追踪关系。此外,我们通过运行开源系统自带的用于验证系统功能的测试用例得到了我们方法所需的代码依赖。3.基于代码依赖和用户反馈的软件追踪线索生成工具的设计与实现。为了将我们的方法应用于日常实践,我们设计并实现软件追踪线索生成工具,并集成了我们结合代码依赖紧密度分析和用户反馈的软件追踪线索生成方法。实验表明,我们的方法只需少量的用户反馈信息即可在精度上显著优于基线方法。并且,通过软件追踪线索生成工具,我们很容易将本文的方法应用到日常实践中。

关键词：需求可追踪性代码依赖信息检索紧密度分析用户反馈

来源：

同方学位论文库评论

在线全文

同方学位论文库

学校读者我要写书评

暂无评论

基于用户评论的自动化音乐分类方法

引用

计算机系统应用 2018年第1期27卷 154-161页

作者：郝建林黄章进顾乃杰中国科学技术大学计算机科学与技术学院合肥230027 中国科学技术大学安徽省计算与通信重点实验室合肥230027 中国科学技术大学先进技术研究院合肥230027

针对现有音乐平台分类类别固定、检索内容限制过多的问题,本文提出了一种基于用户评论的自动化音乐分类方法.首先,通过linear CRF统计分词模型、n元取词和紧密度分析方法学习得到适合音乐语料分词的字典.其次,使用linear CRF在上述字典... 详细信息

针对现有音乐平台分类类别固定、检索内容限制过多的问题,本文提出了一种基于用户评论的自动化音乐分类方法.首先,通过linear CRF统计分词模型、n元取词和紧密度分析方法学习得到适合音乐语料分词的字典.其次,使用linear CRF在上述字典的基础上进行分词,对分词结果进行分合测试,修正分词结果.然后,使用优化后的TFIDF关键词提取算法进行标签提取,再经过标签合并得到音乐的候选标签.接着,从全局角度出发对标签进一步筛选,得到音乐的关联标签.最后,建立音乐和标签之间的概率分类模型,对音乐进行分类.实验结果表明,该音乐分类方法准确率较高,可以从用户评论中自动地获取音乐多个维度的分类标签,为个性化的音乐检索提供了保障.

关键词：音乐分类分词模型紧密度分析关键词提取关联标签

来源：

维普期刊数据库

同方期刊数据库评论

在线全文

学校读者我要写书评

暂无评论

欢迎您,

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案：

请选择收藏分类：

通借通还

欢迎您,

建议与咨询 留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

时间限定

文献类型

馆藏选择

核心期刊

语言

文献类型

帮助

文字说明：

检索规则说明：

检索范例：

分类表

所选分类

限定检索结果

文献类型

馆藏范围

日期分布

学科分类号

主题

机构

作者

语言

在线全文

在线全文

在线全文

请选择保存的检索档案： 新增检索档案 确定 取消

请选择收藏分类： 新增自定义分类 确定 取消

通借通还

建议与咨询留下您的常用邮箱和电话号码，以便我们向您反馈解决方案和替代方法

请选择保存的检索档案：

请选择收藏分类：