科大讯飞实习报告.doc

科大讯飞实习报告篇一：毕业实习报告 实习报告 关于在安徽科大讯飞科技信息科技股份有限公司单位从事语音资源整理数据标注的实习报告 实 习 单 位: 安徽科大讯飞信息科技股份有限公司实 习 时 间： 实 习 岗 位:语音资源整理数据标注学 生 姓 名： 苏 晓 文 学 号：1 0 4 2 1 5 2 1 3 1 院 系： 信 息 工 程 学 院 专 业：信 息 管 理 与 信 息 系 统 年 月 日关于在安徽科大讯飞科技信息科技股份有限公司单位从事语音资源整理数据标注的实习报告 一、实习单位及岗位简介 （一）实习单位的简介 安徽科大讯飞信息科技股份有限公司是一家专业从事智能语音及语言技术研究、软件及芯片产品开发、语音信息服务及电子政务系统集成的国家级骨干软件企业。公司智能语音核心技术代表了世界的最高水平。2008年，科大讯飞在深圳证券交易所挂牌上市，股票代码：002230。 科大讯飞成立于1999年，是我国产业化实体中，在语音技术领域中基础研究时间最长、资产规模最大、历届评测成绩最好、专业人才最多及市场占有率最高的公司。 语音技术实现了人机语音交互，使人与机器之间沟通变得像人与人沟通一样简单。语音技术主要包括语音合成和语音识别两项关键技术。让机器说话，用的是语音合成技术；让机器听懂人说话，用的是语音识别技术。此外，语音技术还包括口语评测、语音编码、音色转换、语音消噪和增强等技术，有着广阔应用空间。 科大讯飞作为中国最大的智能语音技术提供商，在智能语音技术领域有着长期的研究积累，并在语音合成、语音识别、口语评测、自然语言处理等多项技术上拥有国际领先的成果。科大讯飞是我国唯一以语音技术为产业化方向的“国家863计划成果产业化基地”、“国家规划布局内重点软件企业”、“国家高技术产业化示范工程”，并被原信息产业部确定为中文语音交互技术标准工作组组长单位，牵头制定中文语音技术标准。 2003年、2011年，科大讯飞两次荣获“国家科技进步奖”；2005年、2011年两次获得中国信息产业自主创新最高荣誉“信息产业重大技术发明奖”。2006年至2012年，已连续七届英文语音合成国际大赛（Blizzard Challenge）荣获第一名。2008年至2011年，连续四年在国际说话人、语种识别评测大赛中名列前茅。2011年，“国家智能语音高新技术产业化基地”、“语音及语言信息处理国家工程实验室”相继落户合肥，有利于进一步汇聚产业资源，提升科大讯飞产业龙头地位。 基于拥有自主知识产权的世界领先智能语音技术，科大讯飞已推出从大型电信级应用到小型嵌入式应用，从电信、金融等行业到企业和消费者用户，从手机到车载，从家电到玩具，能够满足不同应用环境的多种产品。科大讯飞已占有中文语音技术市场70%以上市场份额，开发伙伴超过8000家，以讯飞为核心的中文语音产业链已初具规模。 随着移动互联网“语时代”的到来，科大讯飞率先发布了全球首个提供移动互联网智能语音交互能力的“讯飞语音云”平台，并持续升级优化。基于该平台，科大讯飞相继推出了“讯飞语音输入法”、“讯飞语点”等示范性应用，并与广大合作伙伴携手推动各类语音应用深入到手机、汽车、家电、玩具等各个领域，引领和推动着移动互联网时代大潮下输入和交互模式的变革。 （二）实习岗位的简介 我所从事的是数据标注，这是一份看似简单却充满技术性的工作，该工作主要针对公司的产品需求，按照资源的整理格式，通过网络及相关渠道进行大量的文本资源的收集、分类和整理。整理的主要内容是对资源名称进行别称简称及是否歧义的整理。根据规范对文本信息资源进行标注，内容资源数据的后期制作及数据标注工作。 公司实行每周五天，每天八小时工作制。首先是三天的试用期，主要是适应工作环境，了解工作内容，学习工作方法，熟悉公司的各个部门。三天后办理入职手续领取工作证，签劳动合同。 在主管的安排下我被分到了语音资源部数据标注组，我拥有自己的格子间和办公电脑，我们所做的工作都是为了讯飞语点服务的。首先我们的组长向我介绍了我们的组员以及它们各自所分配的任务，并且告诉我工作期间的交流都是通过飞信进行的，还有上班下班的时间，吃饭时间及打卡的时间，上下班的班车路线等。然后他向我介绍了工作的内容，如何登陆讯飞内部网络，如何进入标注平台。接着他让我先学习标注规范和平台的使用说明了解我们的工作。每天早上要签到，下班前要及时撰写工作日报。最后他向我强调了公司的规章制度以及我入职之后所要从事的工作，包括线网内的数据抓取和修改，测试集的修改与汇总，数据的标注，语音的测试，语音识别，资源整理等。同时，在空余时间要协助其他组完成相应的任务，相互合作共同进步，定期和本组同事相互交流相互按时撰写日报和工作心得。 二、实习内容及过程 1、标注 标注规范包括手机语点标注规范，车载标注规范，商旅标注规范，电视标注规范等。 在做一项任务之前都要了解他的规范，标注规范是进行语点标注的准则，标注规范由协议框架协议组成，语义框架包括四部分内容:focus, action, object, content。我们判断一句话的内容找出他的兴趣点也就是所表达的意思来选择相关的协议，再看看根据兴趣点所发出的动作和对象来辨别是否符合标注规范的要求。过一段时间我们会根据实际的需求对标注规范进行，以适应当前的实际需求，在修改的过程中有些业务需要扩充，有些业务需要转移，甚至有时会增加一些新的兴趣点等等。 此规范主要是针对生活中的一些相似或者相同场景进行细化从而避免由于引擎跑错地方而导致语点不能更好地服务于用户，再者一些语句对于业务来说是错误的或者是一些闲聊的话语使得引擎无法识别从而不能满足用户的需求。 由于时代在发展，科技在进步我们的标注规范也在不断的更新，我们会每隔一段时间更新一次标注规范，是为了更好地服务于相关工作的进行。在对数据进行标注之前，掌握标注细则是非常重要的，它关系到我们后期标注工作的正确性和可靠性，每天的工作中我都会先熟悉标注细则然后再进行标注，我们标注数据的准确性可能会对上面技术部门的工作造成一定的影响。 2、语音合成技术 语音合成和语音识别技术是实现人机语音通信，建立一个有听和讲能力的口语系统所必需的两项关键技术。使电脑具有类似于人一样的说话能力，是当今时代信息产业的重要竞争市场。和语音识别相比，语音合成的技术相对说来要成熟一些，并已开始向产业化方向成功迈进，大规模应用指日可待。我们会每天接听大量的语音信息，把语音信息中不清楚的信息保留下来进行分析与修正。 3、语音识别技术 自动语音识别技术(Auto Speech Recognize，简称ASR)所要解决的问题是让计算机能够“听懂”人类的语音，将语音中包含的文字信息“提取”出来。ASR技术在“能听会说”的智能计算机系统中扮演着重要角色，相当于给计算机系统安装上“耳朵”，使其具备“能听”的功能，进而实现信息时代利用“语音”这一最自然、最便捷的手段进行人机通信和交互。我们与机器对话让机器辨别我们所要求的内容并进行相应的操作。 4、语音评测技术 语音评测技术，又称计算机辅助语言学习(Computer Assisted Language Learning)技术，是一种通过机器自动对发音进行评分、检错并给出矫正指导的技术。语音评测技术是智能语音处理领域的一项研究前沿，同时又因为能显著提高受众对语言（口语）学习的兴趣、效率和效果而有着广阔的应用前景。 5、自然语言 自然语言是几千年来人们生活、工作、学习中必不可少的元素，而计算机是20世纪最伟大的发明之一，如何利用计算机对人类掌握的自然语言进行处理、甚至理解，使计算机具备人类的听说读写能力，一直是国内外研究机构非常关注篇二：暑假实践报告之科大讯飞培训 暑假实践报告 科大讯飞培训报告 今年的这个暑假是大学三年最充实的一个暑假收获最多的一个暑假。 在上学期学期结束之前，报名参加了一个科大讯飞的一个培训照片，很幸运的通过了测试。这是一个软件编程培训，免费的，但也要付出一定代价的：培训期间考核通过就要和科大讯飞公司签两年就业合同。这也相当于找到工作了，只是岗前培训的时间比较长而已。在参加这个招聘测试之前，我也到这家公司做了一定的了解。 科大讯飞是一家发展前景很好、专业语音信息从事智能及语音技术研究、软件及芯片产品开发、语音服务的国家级骨干软件企业，主要股东包括：中科大资产经营有限公司、上海广信、联想投资、盈福泰克等。在语言技术领域是基础研究时间最长、资产规模最大、历届评测成绩最好、专业人才最多及市场占有率最高的公司，其智能语音核心技术代表了世界最高水平。 员工的工作待遇方面也是很不错的。工资水平也是在安徽中排在全省前列的，五险一金比较齐全，福利方面也比较丰富。不仅这些，他还为员工提供了很多深造的机会，让员工在工作中提升自己的各种能力。听上届的学长说，这个公司是理想的就业目标。 综上以上信息，我就参加了这次招聘，也借此多学些专业知识，为以后的工作打下基础。 7月4号的时候，离开了学校，到了科大讯飞专门安排的一个合肥的学校安徽影视广播职业技术学院，一个很偏僻的学校。这天安排好一切后就一定下午四点多了，才开始那天的第一顿饭（早上赶火车没吃，中午忙着报道也没吃）。公司人员很负责，安排了我们住宿和上课的条件。第二天我们就开始上课了。 上课地点环境很好，是在学校的图书馆一楼的位置，很安静。每人一台电脑，都是全新的，刚配置的。无论在哪里上课，都有一个流程的，流程的第一步就是自我介绍。不过由于我们学校去的学生很多，所以我们班几乎都是我们学校的人，而且是一个学院的，认识的也很多。所以我们很快就彼此之间有了了解和熟悉，较快的进入了学习状态。 虽然这个培训是费的，但我们压力很大，因为我们几乎是每个星期都有一次对这一星期学习成果的考核。而且淘汰机制也从开始培训开始正式开始。淘汰机制内容：每两次考核不通过淘汰，一次阶段性考核不过淘汰（这个培训包括三个阶段，暑假期间只是第一阶段）。我们既然决定来这边培训了，几乎没有人不愿意离开的，都想考出好的成绩。所以每个同学都很努力的学习，包括在学校不用功学习的同学。我们星期六和星期天是不上课的，平时上课时间也就是从早上9点到上午11点50，从下午2点到下午4点50，从晚上7点到9点。但没有人遵守这个时间，因为这个时间对我们来说就是浪费时间。我们真正的每天作息上课时间是从早上8点多点就到教室了，然后上午放学之后吃过饭就回教室了，一直到下午放学，吃过饭继续回教室，然后一直到10点30才回宿舍洗洗睡觉。一天内最少有14个小时对着电脑，而且几乎没人在玩，都是对着电脑学习。星期六和星期日的时候如果没什么事，大多数同学都会到教室了学习。学习氛围在大学里几乎是不能看到的，我们仿佛又回到了高中时代。 我们的学习进度也不是一般的快啊！平均起来每星期我们能结束一种计算机语言。这个暑假我们上课时间只有六个星期，但我们却在这六个周中先后学习了C#、SQL Server 2008、ADO、java和JDBC五种计算机语言。在大学期间我们花一个学期才学完一种语言，和这个进度真是天壤之别啊。而且每天我们都有很多练习的作业，由于不熟悉编写语言和写法思路，所以每天都要做到很晚才能做完。但这阶段我们都有一个共同的看法，就是在这阶段我们所写的代码是我们大学三年所写代码的总和还要多的多。 考核的严格度也不是一般的大啊！在大学三年从没尝试过不及格的滋味，到了那里的第一场考核就让我的遗憾给弥补了，竟然考核不及格。考核不及格的可不只是我自己，全班将近四十位同学只有两个同学考核几个了。试卷就五题，难易程度还可，我把它们都做出来了，如果在学校不说是满分，那也要九十多啊。可在那边就是不及格。那边的考核不仅考的是编写程序的能力，更重要的是考核编程的规范化，这就让我们平时编程规范不注意的同学受苦了。 不过在这么大压力的学习下，我们不仅收获了知识和编程能力，同时我们也收获了快乐。每个星期我们最大的期待就是每周五晚上放学，我们一般都会出去三五成群小聚一下，因为食堂的饭确实是不怎么样。最大的快乐就是每次完成一个功能后带来的成就感，能让我们兴奋一小段时间。 在我们心中都有一句话，就是：这里真是一个学习的好地方！在这个培训期间，我们有几个不同专业领域内有着丰富经验的前沿开发者为我们授课，更为我们谈及开发经验和注意事项，为我们以后的开发之路奠定了基础。我们有着三十多个拥有共同目标的同学，相互鼓励，相互学习，相互帮助。 在我们心中还有一句话，就是：这个暑假没有白过，值得过！通过这一阶段的学习，我们对计算机编程能力有了很大的提高，再不会有原来那么生疏了。通过这阶段的培训，我们了解了软件公司对一个程序开发者的要求，对以后的学习道路也有了一定的方向，不再像原来那么迷茫了。 总之，这个暑假过的很充实。篇三：近两年科大讯飞实习生笔试、面试题 第一题是递归判断五子棋问题，在一个棋盘上，0代表空，1代表黑子，2代表白子，现给定一个坐标(ax,ay),代表当前下的黑子的位置，求递归判断黑子是否已经赢了(不考虑赢的趋势，也即仅仅判断当前状态) 然后就是问如何求1到1000000内所有素数，(相信弄过一点算法都清楚筛选法) 最后问了个如何在一个序列中求第k大的数，笔者当时脑袋一热回答了二叉搜索树+优先级(也OK)，面试官听完后就来了句，不就是堆嘛。 1. 已知二叉树的前序遍历为ABCDEFGHIJ，中序遍历为CBEDAHGIJF，请画出其二叉树结构。 2.求一个整数数组的最大元素，用递归方法实现。 1. <span>#include <iostream> 2. #include <cmath> 3. using namespace std; 4. 5. int maxnum(int a, int n) 6. 7. if(n = 1) 8.return a0; 9. if(n>1) 10. 11.return max(a0, maxnum(a+1,n-1); 12. 13. 14. int main() 15. 16. int num10 = 0,1,2,3,4,5,6,7,8,9; 17. cout<<maxnum(num,10)<<endl; 18. return 0; 3.什么是虚拟存储器？虚拟存储器的特点是什么？ 虚拟存储器：在具有层次结构存储器的计算机系统中，自动实现部分装入和部分替换功能，能从逻辑上为用户提供一个比物理贮存容量大得多，可寻址的“主存储器”。虚拟存储区的容量与物理主存大小无关，而受限于计算机的地址结构和可用磁盘容量。 特点：多次性、对换性、虚拟性。多次性是指一个作业被分成多次调入内存运行，亦即在作业运行时没有必要将其全部装入，只需将当前要运行的那部分程序和数据装入内存即可；以后每当要运行到尚未调入的那部分程序时，再将它调入。 对换性是指允许在作业的运行过程中进行换进、换出，亦即，在进程运行期间，允许将那些暂不使用的程序和数据，从内存调至外村的对换区（换出），待以后需要时再将它们从外存调至内存（换进）。 虚拟性是指能够从逻辑上扩充内存容量，使用户所看到的内存容量远大于实际内存容量。 4.什么是this指针？其主要功能是什么？ this指针是类的一个自动生成、自动隐藏的私有成员，它存在于类的非静态成员函数中，指向被调用函数所在的对象的地址。全局仅有一个this指针，当一个对象被创建时，this指针就指向对象数据的首地址。 一种情况就是，在类的非静态成员函数中返回类对象本身的时候，直接使用 return *this；另外一种情况是当参数与成员变量名相同时使用this指针，如this->n = n （不能写成n = n）。 7.写出字符串类的必备构造函数和赋值运算符重载的实现方法。 已知类String的原型为： class String public: String( const char *pStr = NULL ); / 默认构造函数 String( void ); / 析构函数 String &operate = ( const String &Source ); / 重载赋值运算符 private: char *m_pData; / 指向字符串的指针 ; 8.已知一个整数数组An，写出算法实现将奇数元素放在数组的左边，将偶数放在数组的右边。要求时间复杂度为O(n)。 1. <span>void partition(int A, int n) 2. 3. int x; 4. int i = 0; 5. int j = n-1; 6. while(i != j)7. 8.while( ai%2 = 1) 9. i+; 10.while (aj%2 = 0) 11. j+; 12.if(i < j) 13. 14. x = ai; 15. ai = aj; 16. aj = x; 17. 18. 19. 1产生死锁的四个必要条件 a互斥使用（资源独占） 一个资源每次只能给一个进程使用 b 资源申请者不能强行的从资源占有者手中夺取资源，资源只能由占有者自愿释放 c 请求和保持（部分分配，占有申请） 一个进程在申请新的资源的同时保持对原有资源的占有（只有这样才是动态申请，动态分配） d循环等待 存在一个进程等待队列 P1 , P2 , , Pn,其中P1等待P2占有的资源，P2等待P3占有的资源，?，Pn等待P1占有的资源，形成一个进程 2不大于N的所有质数 public class GetPrime public static boolean isPrime(int num) for(int i=2;i<=Math.Sqrt(num):i+) if(num%i=0) return false; return true; public static void main(String args) f(转 载于:wWW.cSsYq.cOM 书业网:科大讯飞实习报告)or(int i=2;i<=N;i+) if(isPrime(i) System.out.println(i+"is a Prime"); 3共享内存，管道，文件，socket传输的优缺点 Linux 进程间通信 linux下进程间通信的几种主要手段简介： 管道（Pipe）及有名管道（named pipe）：管道可用于具有亲缘关系进程间的通信，有名管道克服了管道没有名字的限制，因此，除具有管道所具有的功能外，它还允许无亲缘关系进程间的通信。信号（Signal）：信号是比较复杂的通信方式，用于通知接受进程有某种事件发生，除了用于进程间通信外，进程还可以发送信号给进程本身；linux除了支持Unix早期信号语义函数sigal外，还支持语义符合Posix.1标准的信号函数sigaction（实际上，该函数是基于BSD的，BSD为了实现可靠信号机制，又能够统一对外接口，用sigaction函数重新实现了signal函数）； 报文（Message）队列（消息队列）：消息队列是消息的链接表，包括Posix消息队列system V消息队列。有足够权限的进程可以向队列中添加消息，被赋予读权限的进程则可以读走队列中的消息。消息队列克服了信号承载信息量少，管道只能承载无格式字节流以及缓冲区大小受限等缺点。 共享内存：使得多个进程可以访问同一块内存空间，是最快的可用IPC形式。是针对其他通信机制运行效率较低而设计的。 往往与其它通信机制，如信号量结合使用，来达到进程间的同步及互斥。 信号量（semaphore）：主要作为进程间以及同一进程不同线程之间的同步手段。 套接口（Socket）：更为一般的进程间通信机制，可用于不同机器之间的进程间通信。起初是由Unix系统的BSD分支开发出来的，但现在一般可以移植到其它类Unix系统上：Linux和System V的变种都支持套接字。 由于要考虑跨平台，首先砍掉一批（关于IPC的跨平台问题，我在“跨平台开发”系列中会提到）。剩下的IPC类型中，能够进行数据传输的IPC就不多了，主要有如下几种：套接字（以下简称Socket）、共享内存、管道、文件。其中Socket是我强烈推荐的IPC方式， 理由如下：使用Socket可以天然地支持分布式部署； 使用Socket可以比较容易地实现多种编程语言的混合（比如C+、Java、Python、Flex都支持Socket）； 使用Socket还可以省掉了一大坨“锁操作”的代码。 列位看官中，或许有人在担心Socket的性能问题，其实大可不必多虑。当两个进程在本机上进行Socket通讯时，由于可以使用localhost环回地址，数据不用经过物理网卡，操作系统内核还可以进行某些优化。这种情况下，Socket相对其它几种IPC机制，不会有太大的性能偏差。 最后再补充一下，Socket方式也可以有效防止扯皮问题。举个例子：张三写了一个进程A，李四写了一个进程B，进程A通过Socket方式发数据给进程B。突然有一天，两个进程的通讯出故障了。然后张三就说是李四接收数据出错；李四就说张三发送数据出错。这时候怎么办捏？很简单，随便找个Sniffer软件当场抓一下数据包并Dump出来看，问题就水落石出了。 4、 TCP/IP建立连接过程 在TCP/IP协议中，TCP协议提供可靠的连接服务，采用三次握手建立一个连接。 第一次握手：建立连接时，客户端发送syn包(syn=j)到服务器，并进入SYN_SEND状 态，等待服务器确认； 第二次握手：服务器收到syn包，必须确认客户的SYN（ack=j+1），同时自己也发送一个 SYN包（syn=k），即SYN+ACK包，此时服务器进入SYN_RECV状态； 第三次握手：客户端收到服务器的SYNACK包，向服务器发送确认包ACK(ack=k+1)，此包发送完毕，客户端和服务器进入ESTABLISHED状态，完成三次握手。 式查询创建视图.查询只从包含查询所需数据的远程服务器的表中读取所需的数据.被分布式查询引用的其他服务器,在视图中都将不会被访问. 6、题目：输入一个链表的头结点，反转该链表，并返回反转后链表的头结点。链表结点定义如下： Struct ListNode int m_nKey; ListNode* m_pNext; ; ListNode *ReverseIteratively(ListNode* pHead) ListNode* pReversedHead = NULL; ListNode* pNode = pHead; ListNode* pPrev = NULL; while(pNode != NULL) / get the next node, and save it at pNext ListNode* pNext = pNode->m_pNext; / if the next node is null, the currect is theend of original / list, and it's the head of the reversed list if(pNext = NULL) pReversedHead = pNode; / reverse the linkage between nodes pNode->m_pNext = pPrev; / move forward on the the list pPrev = pNode; pNode = pNext; return pReversedHead; 7、输入 x y z，然后输出序列的可能性 X Y Z X Z Y Y X Z Y Z X Z Y X 8、怎么用一个类将一个实例完全复制给另外一个实例 填空题 有STL库由哪部分组成， 简答题：1.冒泡排序和快速排序的优缺点 2.进程和线程共同使用的技术（好像是这么说的） 3.指针和引用的区别 4.析构函数和普通成员函数的区别 3.实现一个字节中空格个数不能超过一个，例如a-b-c应该输出a-b-c,此处-代表空格 1. /trim a string by make more than one blank to one blank 2. char* trim(char* a) 3. 4. int i=-1,j=0; 5. for (;aj!='0'j+) 6. 7.if (aj=aj+1 && aj+1=' ') 8. 9. /skip more than one blank 10. while (aj=' ') 11. 12. +j; 13. 14. -j;/ go back to the last blank 15. 16.a+i=aj; 17. 18. a+i='0' 19. return a; 20. 21. int main( void ) 22. 23. 24. char a100="a b c d ef" 25. print(a); 26. print(trim(a); 27. return 0; 28. 第二部分：填空题（2*6） 1.操作系统中的存储管理常用（虚拟存储器）的方式来摆脱主存容量的限制。 2.满二叉树第i层上的叶子节点数有（2的i-1次方）个。 3.二分查找算法的平均时间复杂度是（logn）。23