返回主题:深度表示与任务网络

知识卡片

普通读书笔记卡 · 3847.b.1

未知词概率应非零且随长度衰减

理解等级:中级

语料库未收录某词不代表它不可能出现,把未知词概率设为零会令含它的整条候选序列归零。可给未知词非零的平滑估计,并按词长降低概率,避免任意长随机字符串获得过高分。

这张卡片看不懂?

已有反馈 · 0 条

    还没有人提交反馈。

    在整书笔记中的位置

    原书出处 · 1 处

    参考来源

    - 位置:《数据之美》第14章《自然语言语料库数据》(源文件:../程序之美系列套装(6册)团队之美、项目管理之美、架构之美、数据之美、测试之美、安全之美/_epub-src/OEBPS/Text/part0393.xhtml) - 结论依据:原文说明超大语料仍会遗漏词项;对未知词设零会抹掉候选概率,并用随字符长度下降的估计减少长随机串被误认成词的风险。 - 原始内容:即使是在包含了10000亿个单词的语料库中,这种情况有时也会发生,因此把概率当做0返回是错误的。