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: "HOW TO DETECT GRAMMATICAL ERRORS IN A TEXT WITHOUT PARSING IT"
Đang chuẩn bị liên kết để tải về tài liệu:
Báo cáo khoa học: "HOW TO DETECT GRAMMATICAL ERRORS IN A TEXT WITHOUT PARSING IT"
Công Hải
88
8
pdf
Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
The Constituent Likelihood Automatic Word-tagging System (CLAWS) was originally designed for the low-level grammatical analysis of the million-word LOB Corpus of English text samples. CLAWS does not attempt a full parse, but uses a firat-order Markov model of language to assign word-class labels to words. CLAWS can be modified to detect grammatical errors, essentially by flagging unlikely word-class transitions in the input text. This may seem to be an intuitively implausible and theoretically inadequate model of natural language syntax, but nevertheless it can successfully pinpoint most grammatical errors in a text. Several modifications to CLAWS have been explored | HOW TO DETECT GRAMMATICAL ERRORS IN A TEXT WITHOUT PARSING IT Eric Steven Atwell Artificial Intelligence Group Department of Computer Studies Leeds University Leeds LS2 9JT U.K. EARN BITNET eric 1eeds.ai@ac.uk ABSTRACT The Constituent Likelihood Automatic Word-tagging System CLAWS was originally designed for the low-level grammatical analysis of the million-word LOB Corpus of English text samples. CLAWS does not attempt a full parse but uses a first-order Markov model of language to assign word-class labels to words. CLAWS can be modified to detea grammatical errors essentially by flagging unlikely word-class transitions in the input text This may seem to be an intuitively implausible and theoretically inadequate model of natural language syntax but nevertheless it can successfully pinpoint most grammatical errors in a text Several modifications to CLAWS have been explored. The resulting system cannot detect all errors in typed documents but then neither do far more complex systems which attempt a full parse requiring much greater computation. Checking Grammar in Texts A number of researchers have experimented with ways to cope with grammatically ill-formed English input for example Carbonell and Hayes 83 Chamiak 83 Granger 83 Hayes and Mouradian 81 Heidom et al 82 Jensen et al 83 Kwasny and Sondheimer 81 Weischedel and Black 80 Weischedel and Sondheimer 83 . However the majority of these systems are designed for Natural Language interfaces to software systems and so can assume a restriaed vocabulary and syntax for example the system discussed by Fass 83 had a vocabulary of less than 50 words. This may be justifiable for a NL front-end to a computer system such as a Database Query system since even an artificial subset of English may be more acceptable to users than a formal command or query language. However for automated text-checking in Word Processing we cannot reasonably ask the wp user to restrict their English text in this way. This means that WP .
TÀI LIỆU LIÊN QUAN
báo cáo khoa học: " Novel genes for QTc interval. How much heritability is explained, and how much is left to find?"
Báo cáo y học: "Noninvasive ventilation for acute lung injury: how often should we try, how often should we fail"
Báo cáo khoa học: "Word Epoch Disambiguation: Finding How Words Change Over Time"
Báo cáo khoa học: "ParaSense or How to Use Parallel Corpora for Word Sense Disambiguation"
Báo cáo khoa học: "Does Size Matter – How Much Data is Required to Train a REG Algorithm?"
Báo cáo khoa học: "How do you pronounce your name? Improving G2P with transliterations"
Báo cáo khoa học: "How to train your multi bottom-up tree transducer"
Báo cáo khoa học: "How Verb Subcategorization Frequencies Are Affected By Corpus Choice"
Báo cáo khoa học: "HOW DO WE COUNT? THE PROBLEM OF TAGGING PHRASAL VERBS IN PARTS"
Báo cáo khoa học: "HOW DOES NATURAL LANGUAGE QUANTIFY"
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.