基于LSH的語音文檔主題分類研究.pdf

1、在語音信號(hào)廣泛應(yīng)用的今天，如何對(duì)其進(jìn)行合理和有效的管理，是目前語音信號(hào)處理研究的重點(diǎn)之一，其中語音文檔的主題分類是人們研究的熱點(diǎn)。本文首次將局部敏感哈希算法應(yīng)用到語音文檔主題分類中，旨在克服目前的分類算法在時(shí)間上消耗太大的缺點(diǎn)。與已有的分類算法相比，局部敏感哈希算法能夠直接在高維稀疏矩陣上進(jìn)行分類，它與數(shù)據(jù)維數(shù)和數(shù)據(jù)點(diǎn)個(gè)數(shù)之間的子線性關(guān)系使其時(shí)間復(fù)雜度很低，能夠使分類系統(tǒng)更加實(shí)用化。本文在深入研究局部敏感哈希算法的基礎(chǔ)上，對(duì)算法的關(guān)鍵參

2、數(shù)進(jìn)行了改進(jìn)，使其分類更加準(zhǔn)確；改進(jìn)了算法的實(shí)現(xiàn)方法，進(jìn)一步減少了算法消耗的時(shí)間。
　　 論文首先應(yīng)用TF-IDF權(quán)重和后驗(yàn)概率TF-IDF權(quán)重分別對(duì)識(shí)別后的語音文檔進(jìn)行了向量空間模型的建立，使其成為能夠被計(jì)算機(jī)直接識(shí)別和處理的數(shù)據(jù)形式；其次采用穩(wěn)定分布下的局部敏感哈希函數(shù)直接的對(duì)文檔向量進(jìn)行哈希散列，利用穩(wěn)定分布的特性保證了在歐氏空間中數(shù)據(jù)的位置關(guān)系；再次深入的分析了局部敏感哈希算法的關(guān)鍵參數(shù)對(duì)分類結(jié)果的影響，在通過實(shí)驗(yàn)計(jì)算出

3、最佳參數(shù)的基礎(chǔ)上，利用局部敏感哈希算法對(duì)語音文檔進(jìn)行了兩種判決方法下的分類實(shí)現(xiàn)；最后對(duì)局部敏感哈希算法進(jìn)行了改進(jìn)，更進(jìn)一步的減少了算法的分類時(shí)間消耗。此外，論文將多維。KD樹應(yīng)用到語音文檔的主題分類中。
　　 最后，論文對(duì)7041篇、四個(gè)類別的語音文檔進(jìn)行了主題分類，通過實(shí)驗(yàn)分別在分類準(zhǔn)確度和時(shí)間消耗兩個(gè)方面比較了局部敏感哈希算法和多維KD樹的性能。實(shí)驗(yàn)結(jié)果說明，局部敏感哈希算法能夠?qū)崿F(xiàn)對(duì)語音文檔的快速準(zhǔn)確分類，并且比多維KD樹