健壮概率预测语法处理
计算与语言
2007-05-23 v1
摘要
本论文提出了一种广泛覆盖的概率自上而下解析器，并将其应用于语音识别的语言建模问题。该解析器以单次从左到右穿过字符串的方式，逐步构建完全连通的派生。我们认为，我们所采用的解析方法从心理语言学角度出发是合理的，因为它能够捕捉构建连贯语法结构过程中，词汇项之间概率依赖关系。本文介绍了基本解析器和条件概率模型，并提供了在新闻文本和自发电话对话上的解析准确性实验结果。随后 presented 了对概率模型的修改，这些修改导致性能提升。随后定义了一种新的语言模型，利用解析器的输出。即使在三元模型训练的数据显著多于本模型的情况下，本文也展示了困惑度和词错误率的降低。对三元模型进行基于单词的插值可获得额外的改进。
引用
@article{arxiv.cs/0105019,
title = {Robust Probabilistic Predictive Syntactic Processing},
author = {Brian Roark},
journal= {arXiv preprint arXiv:cs/0105019},
year = {2007}
}
备注
Ph.D. Thesis, Brown University, Advisor: Mark Johnson. 140 pages, 40 figures, 27 tables