基于類的統(tǒng)計語言模型的研究.pdf

1、在該文中,作者和項目組的其他成員提出了一種非對稱的聚類算法,該算法相對于傳統(tǒng)的對稱聚類算法擁有效率高,性能好等優(yōu)點.利用該算法的聚類結果生成的聚類語言模型的性能要好于傳統(tǒng)的聚類語言模型.該文第一章是引言,主要介紹該文中使用到一些基礎理論知識,包括概率統(tǒng)計理論基礎和信息論的初步知識.第二章介紹統(tǒng)計語言模型,包括傳統(tǒng)的n-gram模型,參數(shù)平滑算法和語言模型性能的評價.第三章是該文的重點之一,詳細介紹了傳統(tǒng)的對稱聚類模型,我們提出的非對稱聚

2、類模型以及軟聚類模型.并且用實驗結果評價了對稱聚類模型和非對稱聚類模型.第四章中介紹了基于類的語言模型.包括預測聚類語言模型、條件聚類語言模型、綜合聚類語言模型以及這三種模型的母體—基本聚類語言模型.在此基礎上我們還介紹了更加一般的軟聚類語言模型,并且探討了軟聚類語言模型和硬聚類語言模型的關系.第五章是實驗.包括實驗設置和實驗結果的分析.在這一部分里,我們用充分翔實的實驗數(shù)據(jù)證明了聚類語言模型的性能要優(yōu)于傳統(tǒng)的非聚類語言模型,而且非對稱