probabilistic context-free grammar | BriefGPT

关键词probabilistic context-free grammar

搜索结果 - 7

探索深度神经网络如何学习语言结构的理论
通过下一个词预测需要多少数据来学习语言的结构？我们通过一个概率上下文无关文法 (PCFG) 生成的合成数据集进行了研究，该文法是表示自然语言树状结构的层次生成模型。我们在模型中通过分析确定了词 - 词之间的相关性，并显示它们可以用来构建文法
PDFa month ago
基于概率无上下文文法的非自回归机器翻译
Non-autoregressive Transformer (NAT) 通过引入 Probabilistic Context-Free Grammar (PCFG) 提升了神经机器翻译的表达能力，并缩小了 NAT 与 AT 模型之间的翻译
PDF8 months ago
解决张量低周期秩逼近
该论文描述了一个基于 Probabilistic Context-Free Grammar（PCFG）的注意力模型，指出了计算 PCFG 中概率的核心任务是构建特定的低秩张量逼近问题，具体为张量周期秩。然后，该论文引用前作，提出了 “旋转
PDFa year ago
使用三元组进行实词错误修正：修正句子中的多个错误
本研究比较 Mays, Damerau 和 Mercer 提出的实际单词错误校正模型，并提出了新的改进方法，利用概率上下文无关文法（PCFG）来检测和纠正句子中的多个实际单词错误。在 Wall Street Journal 语料库上的测试表
PDFa year ago
ACL复合概率上下文无关文法用于文法归纳
我们研究了一个语法归纳问题的正式化，其将句子建模为由复合概率上下文无关文法生成。与传统的学习单一随机文法的方式不同，我们的文法的规则概率由每个句子的连续潜变量调制，这在传统上下文无关假设以外引出了边际依赖性。这种文法的推理通过折叠变分推理实
PDF5 years ago
带有深度限制的 PCFG 无监督语法归纳
本篇研究将深度限制的方法应用于概率无上下文语法归纳，并在语法获取方面取得了出色的结果，并且从该模型中获得的语法证明了对类别标签的一致使用。
PDF6 years ago
解析 DOP 模型的高效算法
本文提出了一种新颖的 DOP 模型简化方法和基于最大化正确成分数量的确定性解析策略，并在语料库上进行了实验验证，结果表明该方法在交叉和零交叉括号率上具有比现有算法更好的表现。
PDF28 years ago