基于机器学习的英汉字典模糊查询设计(1)

《基于机器学习的英汉字典模糊查询设计(1)》由会员上传分享，免费在线阅读，更多相关内容在学术论文-天天文库。

1、○A基础理论●B应用研究○C调查报告○D其他本科生毕业设计（论文）基于机器学习的英汉字典模糊查询目录1引言21.1研究背景及其意义21.2研究内容和目标22研究与实现中的关键技术22.1机器学习的基本原理22.2有趣模式的提取22.3有趣模式集的优化32.4使用动态规划的最长公共子序列33系统设计43.1总体结构43.2业务流程设计43.3数据结构设计53.3.1宏定义53.3.2结构体53.3.3文件64实施应用64.1开发环境64.1.1硬件平台64.1.2软件平台64.2开发环境的搭建和配置64.3编写代码7

2、4.3.1最长公共子序列长度核心代码74.3.2机器学习模型的c语言实现85测试与分析145.1精确查询的实现145.2一般模糊查询的实现155.3基于动态规划的模糊查询实现165.4机器学习模型对于LCS模糊查询的优化165.5机器学习模型的自动优化176结论19参考文献19致谢19基于机器学习的英汉字典模糊查询作者苏家辉指导教师蔡广基副教授（湛江师范学院信息科学与技术学院，湛江524048）摘要：本文研究机器学习的基本原理和实现方法，对一个使用动态规划实现的英汉字典模糊查询系统构建一个机器学习模型。该模型实现了

3、对用户的检索习惯进行分析，提取用户检索数据中的有趣模式，并通过统计频度对模式集进行自动优化，为用户的模糊查询提供智能化的查询结果。关键词：机器学习模型，动态规划，模糊查询FuzzyqueryofanEnglish-ChinesedictionarybasedonmachinelearningSuJiahuiSchoolofinformationscienceandtechnology,ZhanjiangNormalUniversity,Zhanjiang,524048ChinaAbstract：Basedonthe

4、machinelearningtheory,amodelofthefuzzyqueryofanEnglish-Chinesedictionarysystem,whichisfulfilledbythedynamicprogrammingalgorithmisgiven.Themodelanalysestheuser’sfuzzyquerydataandfindsouttheconnectionsbetweenthedata,recordingtheminingmodels,appliesthemtothefuzzy

5、querysetduringanon-accuratesearching,andautomaticallyimprovestheminingmodelssetaccordingtothestatisticsatfrequenciesofuser,providingintelligentsolutionsforthefuzzyquery.Keywords:Machinelearning;dynamicprogrammingalgorithm;fuzzyquery;221引言1.1研究背景及其意义机器学习是现代人工智能

6、研究、发展的重要领域，它通过研究计算机如何模拟或实现人类的学习行为，通过分析、归纳、综合建立人类学习过程的计算模型或认识模型，基于已有数据识别复杂模式，做出智能化的决策，并将其应用于实际问题中，为解决问题提供可行决策和方案支持[1]。自1980年在卡内基梅隆大学召开第一届机器学习研讨会以来，机器学习的研究工作发展迅猛，已成为人工智能领域研究的中心课题之一。随着机器学习的蓬勃发展，人们在工作中累积了大量可供测试算法的数据集或者超大数据集，机器学习工作者在此基础上可以进行更精准的研究。目前机器学习已经广泛应用于智能搜索

7、、数据分析等领域，如许多大型的搜索引擎网站的智能化的用户体验都是基于机器学习等研究成果实现的。在大数据时代，机器学习研究将会得到更大的发展。1.2研究内容和目标研究机器学习模型的生成过程，构建机器学习的模型，将其应用到英汉字典模糊查询中。第2节介绍机器学习和模糊查询中的基本思路和实现方法，第3节具体介绍算法实现的设计和数据的处理，第4节编码实现构想，第5节通过一些测试用例验证、完善算法的基本功能，最后一节对本研究做出总结并提出新展望。2研究与实现中的关键技术2.1机器学习的基本原理机器学习是从已有或动态的数据中提取

8、有用的新知识[2]，并将其应用到问题的决策中，其基本过程为：1.收集学习材料，即获取的数据；2.分析数据，从中提取有趣的模式；3.基于数据分析获取有趣的模式，生成知识库，制定决策；4.通过学习新知识检验知识库数据的有效性，修改、完善知识库。在步骤1中获取的知识是原始的数据或材料，他们看起来可能是杂乱无章的，因此在步骤2需要对数据进行分析，挖掘复杂的隐藏的模式