知识卡片
回退依赖低阶分布和质量权重
高阶上下文没有该事件时,Katz式回退转向去掉最早词的低阶上下文,并乘该上下文的alpha来分配剩余概率;已见项使用高阶分布。它不同于不加权地任取低阶概率,也不普遍以“次数大于阶数n”为分支。摘出的prob只显示路由,完整正确性还依赖折扣、alpha计算和终止分布,不能凭这一段证明归一。
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2章 统计语言建模 2.3 为MLE开发一个回退机制 · 查看原书依据
self._alpha(context) * self._backoff.prob(word,context[1:])
参考来源
- 位置:《Python编程精进(第1辑)(套装共3册)(异步图书)》精通Python自然语言处理 · 第2章 统计语言建模,spine056单元013;来源项目book-sources,extracted/Python编程精进(第1辑)(套装共3册)(异步图书)/_epub-src/OEBPS/text00055.html。
- 结论依据:原文代码按事件存在/一阶判断,与前文“多于n次”阈值说法不一致;alpha和折扣实现未给,故保留保证范围。未在本机运行示例或改变环境。
- 原始内容:(word) else: return self._alpha(context) * self._backoff.prob(word,context[1:])