資訊工程學系

Permanent URI for this communityhttp://rportal.lib.ntnu.edu.tw/handle/20.500.12235/60

本系前身「資訊教育學系」成立於民國七十四年，首先招收大學部學生，民國九十年成立資訊工程研究所碩士班，而後於民國九十五年進行系、所調整合併為「資訊工程學系」；並於九十六年成立博士班。本系目前每年約招收大學部四十餘人，碩士班六十餘人，博士班約五人，截至民國一百零四年十一月止，總計現有大學部一百九十多人，碩士班一百二十多人，博士班二十三人，合計學生人數約為三百三十多位。

News

系所網址：http://w1.csie.ntnu.edu.tw/

Browse

Subject: search.filters.subject.keyword extraction

Search Results

Now showing 1 - 3 of 3
  • No Thumbnail Available
    Item
    使用鑑別式語言模型於語音辨識結果重新排序
    (2009) 劉鳳萍
    語言模型代表語言的規律性，在語音辨識中，它可用以減輕聲學特徵混淆所造成的問題，引導辨識器在多個候選字串中作搜尋，並量化辨識器產生的最終辨識結果字串的可接受度高低。然而，隨著時空及領域的不同，語言產生差異，固定不變的語言模型無法符合實際需求。語言模型調適提供了一個解決之道，使用少量同時期或同領域的調適語料對語言模型進行調整，以增進效能。鑑別式語言模型為語言模型調適方法之一，它首先取得一些特徵(Feature)，每一個特徵各有其對應之權重(Feature Weight)，以代表語言中的句子或字串，並以這些特徵及其相關權重為基礎，構建出一套評分機制，用以對基礎辨識器(Baseline Recognizer)所產生的多個辨識結果進行重新排序(Reranking)，以期最正確的詞序列可以成為最終辨識結果。本文提出以關鍵詞自動擷取方法所得結果，增加鑑別式語言模型之特徵。關鍵詞自動擷取方法是透過計算字或詞在語料庫中同時重複出現的次數以擷取出關鍵詞，其優點為可以在不依賴詞典(Lexicon)的情況下，擷取出新生詞彙或不存在詞典裡的語彙，這樣的特性也許會對鑑別式訓練有所助益，但實驗結果顯示未有顯著之改善效果。
  • No Thumbnail Available
    Item
    流行疾病中文新聞面向事實自動擷取之研究
    (2017) 許宸瑋; HSU, CHEN-WEI
    當流行疾病發生時，使用者通常希望獲得更多有關於流行疾病的面向事實。本論文以中文流行疾病網路新聞為資料來源，研究如何從流行疾病新聞中自動擷取出疫情、症狀面向事實句，並從面向事實句中擷取出語意三元詞組進行結構化表示，以幫助有效率地查詢流行疾病的疫情發展狀況及症狀演變，並可作為建立知識庫的基礎。本論文提出的方法，對疫情及症狀面向事實句各建立一個分類模型，用來預測擷取新聞中對應的面向事實句。為了達到有效分類，本論文從已標示的面向事實句及非面向事實句中，以統計分析擷取出對分類較有效果的面向關鍵字，以這些關鍵字為基礎來建立每個句子的面向句分類特徵值。此外，由於不同流行病皆需給定訓練資料，本論文提出一個面向事實句自動標示的方法，可減少人工標示訓練資料的成本。此外，根據句子中詞彙的語法出現相依性分析，本論文方法可取出面向事實句的語意三元詞組及時間地點等屬性，建立面向事實的結構化表示。實驗結果顯示本論文提供的方法在面向事實句的選取、語意三元詞組的擷取都達到良好的效果。
  • No Thumbnail Available
    Item
    醫療檢驗報告關鍵字擷取與結構化之研究
    (2017) 吳培豪; Wu, Pei-Hao
    近來醫療科技的進步，可以對病人做更精確且詳細的檢查。但很多檢驗報告並非是一些數據化的數值，而是檢驗科醫生對於檢驗過程中採用儀器與技術檢查觀察發現的結果，以文字描述說明。若能將上述非結構化的文字檢驗報告轉換成一種結構化檢驗報告，將可幫助診斷醫師較有效率了解病人在不同檢查項目的狀況，更進一步可進行病症資料關聯分析，找出影響病症的潛在因素。本論文對腎臟科病理檢驗報告，運用自然語言詞性分析設計出可自動擷取出關鍵字詞組的方法，建立檢驗報告中各個段落的醫療詞彙字典，作為檢驗報告結構化之詞彙擷取依據。並運用主題機率模型分析，提出可自動擷取檢驗報告主要檢驗細項關鍵字詞的方法。最後利用醫療詞彙字典，實作出將檢驗報告依照不同段落特性個別進行結構化的方法。實驗結果顯示本論文提供的處理技術，能有效將檢驗報告進行結構化，並可擷取出常見檢驗細項關鍵詞，將有助醫療文字報告的自動處理及分析。