知识卡片

普通读书笔记卡 · 3847.b.2

相邻词上下文能修正独立分词

理解等级:中级

把词概率视为彼此独立时,常见的“sitdown”可能压过“sit down”的两个单词概率乘积。加入前一词条件概率后,常见搭配可得到更高分;上下文改善判别,但更长的N元模型也增加数据规模和计算代价。

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:独立的一元模型把词频直接相乘,错误合并了sit/down;原文指出二元条件频率可放大常见搭配概率,代价是更大语料与计算需求。 - 原始内容:根据二元计数,两个单词序列“sit down”的概率比其分别的概率乘积约大100倍。我们可以通过对二元建模来解决这个问题