基于统计语言模型的DNA语义识别算法的思考

一、核心思想

前n个字决定了后1个字的出现概率

二、语义识别举例

拼音如下：
nixianzaizaiganshenme
你现在在干什么？
你西安载感什么？
其对应的发音是完全一致的，这时如果我们借助于语言模型，我们会算出这句话的概率：

P(“你”|“<s>”,“<s>”)P(“现在”|“你”,“<s>”)P(“在”|“你”,“现在”)P(“干什么”|“在”,“现在”)

远大于

P(“你”|“<s>”,“<s>”)P(“西安”|“你”,“<s>”)P(“载”|“西安”,“你”)P(“感”|“西安”,“载”)P(“什么”|“在”,“现在”)

三、实验设计

• 字母：用固定长度的碱基对编码为字母
• 词组：每一个词组设计成一条 DNA 短链，而词组的频率就用链的多少来表示
• 输入：输入长链即为输入字母
• 处理：按统计频率生成的词组池即为处理单元
• 输出：长链与词组短链匹配生成的双链即为输出结果