加权树自动机的低秩近似
机器学习
2015-12-25 v2 形式语言与自动机理论
摘要
我们描述了一种最小化加权树自动机(WTA)的技术，WTA是一种强大的形式化工具，它包含了概率上下文无关文法(PCFGs)和隐变量PCFGs。我们的方法依赖于对WTA所定义的底层Hankel矩阵进行奇异值分解(SVD)。我们的主要理论结果是高效计算以WTA隐式表示的无限Hankel矩阵SVD的算法。我们提供了由最小化引起的近似误差分析，并在源自新闻专线树库的真实数据上评估了我们的方法。我们表明该模型比先前PCFG最小化方法取得更低的困惑度，并且由于不存在局部最优而更加稳定。
引用
@article{arxiv.1511.01442,
title = {Low-Rank Approximation of Weighted Tree Automata},
author = {Guillaume Rabusseau and Borja Balle and Shay B. Cohen},
journal= {arXiv preprint arXiv:1511.01442},
year = {2015}
}
备注
To appear in AISTATS 2016