知识卡片
相邻词上下文能修正独立分词
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?
这张卡片已通过人工审查,不再接受失败反馈。
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
- 第14章 自然语言语料库数据 · 查看原书依据
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
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