自然語言處理導論 課件 第2章 語言模型_第1頁
自然語言處理導論 課件 第2章 語言模型_第2頁
自然語言處理導論 課件 第2章 語言模型_第3頁
自然語言處理導論 課件 第2章 語言模型_第4頁
自然語言處理導論 課件 第2章 語言模型_第5頁
全文預覽已結束

下載本文檔

版權說明：本文檔由用戶提供并上傳，收益歸屬內(nèi)容提供方，若內(nèi)容存在侵權，請進行舉報或認領

文檔簡介

《自然語言處理導論》第2章

語言模型n元語法以詞組(詞序列)特征作為基本單元，可以捕捉一部分詞序信息。N元語法N元語法是一種語言模型。何為語言模型？從機器學習的角度來看，語言模型可對語句的概率分布進行建模，并可判斷這個詞序列是否為正常語句。比方說，對于語句A“我愛自然語言處理和語句”和語句B“我自然語言處理愛”，鑒于語句A更可能是一個正常語句，語言模型將對其賦予更高的概率。

缺點：N-gram缺乏長期依賴，只能建模到前n-1個詞。隨著n的增大，詞袋的大小急劇增大，參數(shù)空間（特征向量維度）呈指數(shù)爆炸，容易出現(xiàn)數(shù)據(jù)稀疏的問題。優(yōu)點：N-gram統(tǒng)計語言模型采用極大似然估計法，有數(shù)學理論作為支撐，且參數(shù)易訓練。根據(jù)窗口的大小，gram包含了前n-1個詞的全部信息，增加了前后文信息，考慮了文本字詞之間的順序問題，能夠對語義進行很好地表示。N-gram模型的可解釋性強，直觀易理解。所以，N-gram被廣泛使用。n可能的n-gram個數(shù)統(tǒng)計2400,000,00038,000,000,00041.6*1017詞表中詞的個數(shù)為2

溫馨提示

  • 1. 本站所有資源如無特殊說明，都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等，如果需要附件，請聯(lián)系上傳者。文件的所有權益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙，網(wǎng)頁內(nèi)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
  • 4. 未經(jīng)權益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 人人文庫網(wǎng)僅提供信息存儲空間，僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理，對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯，并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權或不適當內(nèi)容，請與我們聯(lián)系，我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論