N-gram: Różnice pomiędzy wersjami
[wersja przejrzana] | [wersja przejrzana] |
Usunięta treść Dodana treść
m Brakuje cytatu, oznaczone zdanie jest niemal żywcem skopiowane ze źródła, które dodałem. |
|||
Linia 1:
'''N-gram''' – model językowy stosowany w [[Rozpoznawanie mowy|rozpoznawaniu mowy]]{{r|Jurafsky|B Ziółko D Skurzok N grams
Zastosowanie n-gramów wymaga zgromadzenia odpowiednio dużego zasobu danych statystycznych – [[Korpus (językoznawstwo)|korpusu]]. Utworzenie modelu n-gramowego zaczyna się od zliczania wystąpień sekwencji o ustalonej długości ''n'' w istniejących zasobach językowych. Zwykle analizuje się całe teksty i zlicza wszystkie pojedyncze wystąpienia (1-gramy, unigramy), dwójki (2-gramy, bigramy) i trójki (3-gramy, trigramy). Aby uzyskać 4-gramy słów potrzebnych jest bardzo dużo danych językowych, co szczególnie dla języka polskiego jest trudne do zrealizowania.
Linia 5:
Po przeanalizowaniu odpowiednio dużej ilości tekstu zamienia się liczbę wystąpień na [[Prawdopodobieństwo|prawdopodobieństwa]] poprzez [[Normalizacja (statystyka)|normalizację]]. Umożliwia to predykcje kolejnego elementu na podstawie sekwencji ''n'' dotychczasowych. Dla języka polskiego przeanalizowanie tekstów zawierających 300 000 000 słów daje dobry model 1-gramowy i satysfakcjonujący 2-gramowy. W celu utworzenia wiarygodnego modelu 3-gramowego potrzebne są dużo większe zasoby{{r|dsp.agh-resources-ngram}}. Duża ilość przeanalizowanego tekstu podnosi jakość modelu, aczkolwiek istnieją także metody umożliwiające ulepszenie n-gramowych modeli bez dodatkowych danych, w oparciu o wygładzanie zebranych statystyk{{r|Jurafsky|przetwarzaniemowy}}.
Głównymi zaletami n-gramów są prostota i skalowalność. Poprzez zmianę ''n'' można tym samym schematem otrzymywać zarówno modele niewymagające wielu danych treningowych, ale niedające dużej mocy predykcyjnej, jak i modele wymagające wielu danych, ale oferujące duże możliwości predykcyjne.
== Przypisy ==
<references>
<ref name="B Ziółko D Skurzok N grams">B. Ziółko, D. Skurzok
<ref name="dsp.agh-resources-ngram">[http://www.dsp.agh.edu.pl/doku.php?id=pl:resources:ngram Model N-gramowy języka polskiego Zespołu Przetwarzania Sygnałów] [[Akademia Górniczo-Hutnicza im. Stanisława Staszica w Krakowie|AGH]]
<ref name="Jurafsky">Jurafsky, D. & Martin, J. H. (2008). Speech and Language Processing, 2nd Edition, Prentice-Hall, Inc., New Jersey.</ref>
<ref name="przetwarzaniemowy">[http://przetwarzaniemowy.pl Przetwarzanie mowy] (B. Ziółko, M. Ziółko,
</references>
[[Kategoria:Sztuczna inteligencja]]
[[Kategoria:Fonologia]]
[[Kategoria:Rozpoznawanie wzorców]]
[[Kategoria:Lingwistyka komputerowa]]
|