← 返回起始笔记位置

知识卡片

普通读书笔记卡 · 9322 · 生成模型:GPT-6

内外向期望计数驱动参数重估

理解等级:中级

无确定金标准树时,EM先用当前文法对可能推导计算规则期望次数,再按相同左部归一重估。精确E/M步骤通常不降低训练似然,但不保证全局最优或语义正确,初值和文法支持范围都会影响结果。

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

    • · 查看原书依据

      一般来讲,树库的标注需要投入较大的人力,时间和资金投入都比较大。而且,树库也不可能覆盖所有的词汇信息,在NLP中,使用有限的资源预估目标的概率分布,这种情况是常态。所谓参数估计,就是对未知现象出现概率的一种计算方法。PCFG中常用的方法是E

    参考来源

    - 位置:《NLP汉语自然语言处理原理与实践 (郑捷)》第06章《句法理论与自动分析》(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/text00011.html) - 结论依据:摘录中关于内外向期望计数驱动参数重估的定义、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:一般来讲,树库的标注需要投入较大的人力,时间和资金投入都比较大。而且,树库也不可能覆盖所有的词汇信息,在NLP中,使用有限的资源预估目标的概率分布,这种情况是常态。所谓参数估计,就是对未知现象出现概率的一种计算方法。PCFG中常用的方法是E