知识卡片
序列概率链式分解不同于近似
联合序列概率可精确写成首词概率乘后续条件概率,每项条件是此前完整历史。将历史缩成有限窗口是额外建模假设,不是链式法则本身,也不必先知道每个前词的边缘概率才能计算该条件项。
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
- · 词汇与分词技术
原书出处 · 1 处
- · 查看原书依据
由上式可知,要计算得到词W i 的出现概率,必须要知道在W i 之前所有词的出现概率。这显然不可行,也没有意义。但是如果任意一个词W i 的出现概率只与它相邻的一个词有关,那么问题的解决即可得到极大的简化。这时的语言模型叫作二元模型,也称为
参考来源
- 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第03章《词汇与分词技术》(来源项目:a19c7933-4eda-4176-aebd-30fe7e1ad292;源文件:extracted/NLP汉语自然语言处理原理与实践 (郑捷)/_epub-src/OEBPS/text00008.html)
- 结论依据:摘录中关于序列概率链式分解不同于近似的定义、比较或条件支撑卡片;原书表述不严谨的范围已在覆盖记录逐项限定,不把案例结果外推为普遍结论。
- 原始内容:由上式可知,要计算得到词W i 的出现概率,必须要知道在W i 之前所有词的出现概率。这显然不可行,也没有意义。但是如果任意一个词W i 的出现概率只与它相邻的一个词有关,那么问题的解决即可得到极大的简化。这时的语言模型叫作二元模型,也称为