Đang chuẩn bị liên kết để tải về tài liệu:
Báo cáo khoa học: "Maximum Expected BLEU Training of Phrase and Lexicon Translation Models"

Không đóng trình duyệt đến khi xuất hiện nút TẢI XUỐNG

This paper proposes a new discriminative training method in constructing phrase and lexicon translation models. In order to reliably learn a myriad of parameters in these models, we propose an expected BLEU score-based utility function with KL regularization as the objective, and train the models on a large parallel dataset.

TÀI LIỆU LIÊN QUAN

Báo cáo toán học: "The Maximum of the Maximum Rectilinear Crossing Numbers of d-regular Graphs of Order n"

Báo cáo khoa học: "Maximum Expected BLEU Training of Phrase and Lexicon Translation Models"

Báo cáo khoa học: "Domain Adaptation of Maximum Entropy Language Models"

Báo cáo khoa học: "M AX S IM: A Maximum Similarity Metric for Machine Translation Evaluation"

Báo cáo khoa học: "Language Dynamics and Capitalization using Maximum Entropy"

Báo cáo khoa học: "Iterative Scaling and Coordinate Descent Methods for Maximum Entropy"

Báo cáo khoa học: "Maximum Entropy Based Phrase Reordering Model for Statistical Machine Translation"

Báo cáo khoa học: "Maximum Entropy Based Restoration of Arabic Diacritics"

Báo cáo khoa học: "A Maximum Expected Utility Framework for Binary Sequence Labeling"

Báo cáo khoa học: "Combining Lexical, Syntactic, and Semantic Features with Maximum Entropy Models for Extracting Relations"
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.