基于有信息样本的随机属性值语法估计
计算与语言
2007-05-23 v1
摘要
我们认为，通过训练有信息的子集而非完整训练集， can 减少与随机属性值语法估计相关的一些计算复杂度。使用解析的华尔街日报语料库进行实验表明，在某些情况下，使用有信息样本获得的估计结果优于使用所有可用材料进行训练。进一步的实验表明，对于无词化模型，高斯先验可减少过拟合。然而，当模型是词化的且包含重叠特征时，过拟合似乎不是问题，高斯先验对性能影响最小。我们的 approach 适用于训练集中解析数目不可行的情形，或提取打包表示中的解析本身计算成本较高的情况。
引用
@article{arxiv.cs/0008024,
title = {Estimation of Stochastic Attribute-Value Grammars using an Informative Sample},
author = {Miles Osborne},
journal= {arXiv preprint arXiv:cs/0008024},
year = {2007}
}
备注
6 pages, 2 figures. Coling 2000, Saarbr\"{u}cken, Germany. pp 586--592