目录
- 1 因素语言模型
因素语言模型
编辑因素语言模型（FLM）是JeffBilmes和KatrinKirchoff在2003年推出的传统语言模型的扩展。在FLM中，每个词被看作是一个由K个因子组成的向量。一个FLM提供了概率模型{displaystylet}代表一个单词标记，而t代表一个英语的语篇标签，表达式为{displaystyleP(w_{i}|w_{i-2},w_{i-1},t_{i-1})}给出了一个基于传统Ngram模型以及前一个词的语篇标签的预测当前词标记的模型。
派生语言模型的一个主要优点是，它们允许用户指定语言知识，如英语中单词标记和语篇之间的关系，或阿拉伯语中的形态信息（词干、词根等）。像N-gram模型一样，平滑技术在参数估计中是必要的。特别是，在训练FLM时使用了广义的回避。
内容由匿名用户提供，本内容不代表vibaike.com立场，内容投诉举报请联系vibaike.com客服。如若转载，请注明出处：https://vibaike.com/176409/