Đang chuẩn bị liên kết để tải về tài liệu:
Báo cáo khoa học: "Dynamic Nonlocal Language Modeling via Hierarchical Topic-Based Adaptation"

Không đóng trình duyệt đến khi xuất hiện nút TẢI XUỐNG

This paper presents a novel method of generating and applying hierarchical, dynamic topic-based language models. It proposes and evaluates new cluster generation, hierarchical smoothing and adaptive topic-probability estimation techniques. These combined models help capture long-distance lexical dependencies. °Experiments on the Broadcast News corpus show significant improvement in perplexity (10.5% overall and 33.5% on target vocabulary).

TÀI LIỆU LIÊN QUAN

Báo cáo khoa học: "Topic Models for Dynamic Translation Model Adaptation"

Báo cáo khoa học: "Fast and Robust Part-of-Speech Tagging Using Dynamic Model Selection"

Báo cáo khoa học: "Dynamic Programming for Linear-Time Incremental Parsing"

Báo cáo khoa học: "Dynamic Programming Algorithms for Transition-Based Dependency Parsers"

Báo cáo khoa học: "Translating HPSG-style Outputs of a Robust Parser into Typed Dynamic Logic"

Báo cáo khoa học: "Adding Syntax to Dynamic Programming for Aligning Comparable Texts for the Generation of Paraphrases"

Báo cáo khoa học: "A Dynamic Bayesian Framework to Model Context and Memory in Edit Distance Learning: An Application to Pronunciation Classification"

Báo cáo khoa học: " A Declarative Language for Implementing Dynamic Programs∗"

Báo cáo khoa học: "Dynamic compilation of weighted context-free grammars"

Báo cáo khoa học: "Optimal Multi-Paragraph Text Segmentation by Dynamic Programming"
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.