1) n-gram language model
n-gram语言模型
1.
An automatic Chinese text categorization method based on n-gram language model and chain augmented na?ve Bayesian classifier is proposed.
本文提出了一个基于n-gram语言模型进行文本表示,采用链状朴素贝叶斯分类器进行分类的中文文本分类系统。
2) Tri-gram language model
Tri-gram语言模型
3) n-gram model
n-gram模型
1.
This paper reviewed existing smoothing methods for N-gram model firstly,and implemented the Absolute,W-B and Katz smoothing algorithms respectively.
试验结果表明:新的Katz平滑算法降低了N-gram模型的交叉熵,在汉语分词中应用改进的平滑算法也提高了分词结果的F量度。
2.
We re-examine three classifiers: Bayes based on N-gram model classifier(NGBayes),Naive Bayes classifier(NBayes) and k-Nearest Neighbor classifier(kNN),which almost have the same performance in traditional text classification field.
本文是在噪音环境下文本分类方法的一种探索:把在传统文本分类中性能基本相当的基于N-gram模型的贝叶斯(NGBayes)、基于分词的朴素贝叶斯(NBayes)和基于分词的k近邻(kNN)分类方法应用到网页分类领域,在中文Web信息检索论坛提供的中文网页分类训练集——CCT2002-v1。
3.
This paper presents a new method for segmenting the input Chinese language text sentence into words, which consists of a character-based N-gram model and an efficient Viterbi search algorithm.
该文提出了一种将汉语文本句子切分成词的新方法,这种方法以N-gram模型为基础,并结合有效的Viterbi搜索算法来实现汉语句子的切词。
4) N-gram Transliteration Model
n-gram音译模型
5) N-gram language model
N元语言模型
1.
Text classification based on N-gram language model;
基于N元语言模型的文本分类方法
6) N-gram model based on context
基于前后文的n-gram模型
补充资料：语言模型
数理语言学中模拟语言客观事实的抽象的数学模型。它不完全等同于语言客观事实，只是语言客观事实的某种近似物。在语言模型与语言客观事实之间，可以建立某种对应关系，但是，语言模型不能完全充分地描写语言客观事实，它只抽象描写语言中个别成分（词、句子等等）的性质及关系（句法、形态等等）。
语言模型与语言客观事实之间的关系，如同数学上的抽象直线与具体直线之间的关系。
语言模型是一个单纯的、统一的、抽象的形式系统，语言客观事实经过语言模型的描述，比较适合于电子计算机进行自动处理，因而语言模型对于自然语言的信息处理具有重大的意义。
语言模型主要有三种类型：①生成性模型，②分析性模型，③辨识性模型。
生成性模型从一个形式语言系统出发，生成语言的某一集合，如N.乔姆斯基的形式语言理论和转换语法。
分析性模型从语言的某一集合开始，根据对这个集合中各个元素的性质的分析，阐明这些元素之间的关系，并在此基础上用演绎的方法建立语言的规则系统，如苏联数学家O.C.库拉金娜和罗马尼亚数学家S.马尔库斯用集合论方法提出的语言模型。
在生成性模型和分析性模型的基础上，把二者结合起来，便产生了一种很有实用价值的模型，即辨识性模型。辨识性模型可以从语言元素的某一集合及规则系统出发，通过有限步骤的运算，确定这些元素是一堆乱七八糟的词还是语言中合格的句子。 如Y.巴尔-希列尔用数理逻辑方法提出的句法类型演算模型。
语言模型与语言客观事实之间的关系，如同数学上的抽象直线与具体直线之间的关系。
语言模型是一个单纯的、统一的、抽象的形式系统，语言客观事实经过语言模型的描述，比较适合于电子计算机进行自动处理，因而语言模型对于自然语言的信息处理具有重大的意义。
语言模型主要有三种类型：①生成性模型，②分析性模型，③辨识性模型。
生成性模型从一个形式语言系统出发，生成语言的某一集合，如N.乔姆斯基的形式语言理论和转换语法。
分析性模型从语言的某一集合开始，根据对这个集合中各个元素的性质的分析，阐明这些元素之间的关系，并在此基础上用演绎的方法建立语言的规则系统，如苏联数学家O.C.库拉金娜和罗马尼亚数学家S.马尔库斯用集合论方法提出的语言模型。
在生成性模型和分析性模型的基础上，把二者结合起来，便产生了一种很有实用价值的模型，即辨识性模型。辨识性模型可以从语言元素的某一集合及规则系统出发，通过有限步骤的运算，确定这些元素是一堆乱七八糟的词还是语言中合格的句子。 如Y.巴尔-希列尔用数理逻辑方法提出的句法类型演算模型。
说明：补充资料仅用于学习参考，请勿用于其它任何用途。
参考词条