Đang chuẩn bị liên kết để tải về tài liệu:
Báo cáo khoa học: "Statistical Decision-Tree Models for Parsing*"

Không đóng trình duyệt đến khi xuất hiện nút TẢI XUỐNG

Syntactic natural language parsers have shown themselves to be inadequate for processing highly-ambiguous large-vocabulary text, as is evidenced by their poor performance on domains like the Wall Street Journal, and by the movement away from parsing-based approaches to textprocessing in general. In this paper, I describe SPATTER, a statistical parser based on decision-tree learning techniques which constructs a complete parse for every sentence and achieves accuracy rates far better than any published result. .

TÀI LIỆU LIÊN QUAN

Báo cáo khoa học: "A Discriminative Latent Variable Model for Statistical Machine Translation"

Báo cáo khoa học: "Filtering Syntactic Constraints for Statistical Machine Translation"

Báo cáo khoa học: "Fast Syntactic Analysis for Statistical Language Modeling via Substructure Sharing and Uptraining"

Báo cáo khoa học: "Translation Model Adaptation for Statistical Machine Translation with Monolingual Topic Information"

Báo cáo khoa học: "A Statistical Model for Unsupervised and Semi-supervised Transliteration Mining"

Báo cáo khoa học: "Modified Distortion Matrices for Phrase-Based Statistical Machine Translation"

Báo cáo khoa học: "A Ranking-based Approach to Word Reordering for Statistical Machine Translation"

Báo cáo khoa học: "Mixing Multiple Translation Models in Statistical Machine Translation"

Báo cáo khoa học: "Private Access to Phrase Tables for Statistical Machine Translation"

Báo cáo khoa học: "Fast and Scalable Decoding with Language Model Look-Ahead for Phrase-based Statistical Machine Translation"
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.