Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Sức khỏe - Y tế
Văn bản luật
Nông Lâm Ngư
Kỹ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
Giới thiệu
Đăng ký
Đăng nhập
Tìm
Danh mục
Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Y tế sức khỏe
Văn bản luật
Nông lâm ngư
Kĩ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
Thông tin
Điều khoản sử dụng
Quy định bảo mật
Quy chế hoạt động
Chính sách bản quyền
Giới thiệu
Đăng ký
Đăng nhập
0
Trang chủ
Luận Văn - Báo Cáo
Báo cáo khoa học
Báo cáo khoa học: "Fast Decoding and Optimal Decoding for Machine Translation"
Đang chuẩn bị liên kết để tải về tài liệu:
Báo cáo khoa học: "Fast Decoding and Optimal Decoding for Machine Translation"
Ngọc Cầm
77
8
pdf
Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
A good decoding algorithm is critical to the success of any statistical machine translation system. The decoder’s job is to find the translation that is most likely according to set of previously learned parameters (and a formula for combining them). Since the space of possible translations is extremely large, typical decoding algorithms are only able to examine a portion of it, thus risking to miss good solutions. In this paper, we compare the speed and output quality of a traditional stack-based decoding algorithm with two new decoders: a fast greedy decoder and a slow but optimal decoder that treats. | Fast Decoding and Optimal Decoding for Machine Translation Ulrich Germannf Michael JahrJ Kevin Knightf Daniel Marcuf and Kenji Yamadaf f Information Sciences Institute University of Southern California 4676 Admiralty Way Suite 1001 Marina del Rey CA 90292 germann knight marcu kyamada @isi.edu ỊDepartment of Computer Science Stanford University Stanford CA 94305 jahr@cs.stanford.edu Abstract A good decoding algorithm is critical to the success of any statistical machine translation system. The decoder s job is to find the translation that is most likely according to set of previously learned parameters and a formula for combining them . Since the space of possible translations is extremely large typical decoding algorithms are only able to examine a portion of it thus risking to miss good solutions. In this paper we compare the speed and output quality of a traditional stack-based decoding algorithm with two new decoders a fast greedy decoder and a slow but optimal decoder that treats decoding as an integer-programming optimization problem. 1 Introduction A statistical MT system that translates say French sentences into English is divided into three parts 1 a language model LM that assigns a probability P e to any English string 2 a translation model TM that assigns a probability P f e to any pair of English and French strings and 3 a decoder. The decoder takes a previously unseen sentence J and tries to find the e that maximizes P e f or equivalently maximizes P e -P fe . Brown et al. 1993 introduced a series of TMs based on word-for-word substitution and reordering but did not include a decoding algorithm. If the source and target languages are constrained to have the same word order by choice or through suitable pre-processing then the linear Viterbi algorithm can be applied Tillmann et al. 1997 . If re-ordering is limited to rotations around nodes in a binary tree then optimal decoding can be carried out by a high-polynomial algorithm Wu 1996 . For arbitrary .
TÀI LIỆU LIÊN QUAN
Báo cáo khoa học: "Fast and Robust Part-of-Speech Tagging Using Dynamic Model Selection"
Báo cáo khoa học: "Fast and Scalable Decoding with Language Model Look-Ahead for Phrase-based Statistical Machine Translation"
Báo cáo khoa học: "Fast Syntactic Analysis for Statistical Language Modeling via Substructure Sharing and Uptraining"
Báo cáo khoa học: "Fast Online Training with Frequency-Adaptive Learning Rates for Chinese Word Segmentation and New Word Detection"
Báo cáo khoa học: "A Discriminative Hierarchical Model for Fast Coreference at Large Scale"
Báo cáo khoa học: "Fast Online Lexicon Learning for Grounded Language Acquisition"
Báo cáo khoa học: "Temporal information processing of a new language: fast porting with minimal resources"
Báo cáo khoa học: "Jointly optimizing a two-step conditional random field model for machine transliteration and its fast decoding algorithm"
Báo cáo khoa học: "Fast Consensus Decoding over Translation Forests"
Báo cáo khoa học: "A Fast and Accurate Method for Approximate String Search"
crossorigin="anonymous">
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.