使用分层 HMM 和 Token Passing 的连贯文本识别
cmp-lg
2008-02-03 v1 计算与语言
摘要
我们提出了一种新颖的文本输入词汇错误恢复方法。一个先进的鲁棒分词器已被实现，它不仅能纠正拼写错误，还能从分词错误中恢复。除了正字法考虑外，该分词器还利用从训练语料库中提取的语言期望。想法是将隐马尔可夫模型（HMM）安排在多个层中，其中每层的 HMM 负责输入处理的不同方面。我们报告了使用替代概率语言模型来指导词汇错误恢复过程的实验评估结果。
引用
@article{arxiv.cmp-lg/9607036,
title = {Connected Text Recognition Using Layered HMMs and Token Passing},
author = {Peter Ingels},
journal= {arXiv preprint arXiv:cmp-lg/9607036},
year = {2008}
}
备注
12 pages, LaTeX format, 3 encapsulated Postscript figures, uses nemlap.sty