Đang chuẩn bị liên kết để tải về tài liệu:
Báo cáo khoa học: "Domain Adaptation of Maximum Entropy Language Models"

Không đóng trình duyệt đến khi xuất hiện nút TẢI XUỐNG

We investigate a recently proposed Bayesian adaptation method for building style-adapted maximum entropy language models for speech recognition, given a large corpus of written language data and a small corpus of speech transcripts. Experiments show that the method consistently outperforms linear interpolation which is typically used in such cases.

TÀI LIỆU LIÊN QUAN

Báo cáo khoa học: "Domain Adaptation by Constraining Inter-Domain Variability of Latent Feature Representation"

Báo cáo khoa học: "Information-theoretic Multi-view Domain Adaptation"

Báo cáo khoa học: "Grammar Error Correction Using Pseudo-Error Sentences and Domain Adaptation"

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

Báo cáo khoa học: "Domain Adaptation for Machine Translation by Mining Unseen Words"

Báo cáo khoa học: "Estimating Class Priors in Domain Adaptation for Word Sense Disambiguation"

Báo cáo khoa học: "Domain Adaptation with Active Learning for Word Sense Disambiguation"

Báo cáo khoa học: "Frustratingly Easy Domain Adaptation"

Báo cáo khoa học: "Instance Weighting for Domain Adaptation in NLP"

Báo cáo khoa học: "Biographies, Bollywood, Boom-boxes and Blenders: Domain Adaptation for Sentiment Classification"
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.