基于trigger对的长距离蒙古语语言模型的改进Katz平滑技术

数据平滑技术主要是用来解决统计语言模型在实际应用中数据稀疏问题,它是语言建模的核心技术,Katz平滑方法是应用最广泛的方法之一.本文对Katz平滑算法作了改进,使之应用于trigger对的平滑,并在汉语-蒙古语机器翻译系统实现了该算法,实验结果表明该技术可以提高翻译效果.

基于Trigger的长距离语言模型

文章利用Trigger模型描述长距离的词与词之间的关系,并将其与目前通用的N元文法语言模型相结合,同时通过引入参数———置信度来提高Trigger模型得分的可靠性,在汉语自动语音识别系统中实现了一个可实用化的长距离语言模型。实验表明,二者的结合在一定程度上克服了N元文法语言模型描述距离小于N的缺点,提高了系统的识别率。

利用FP-树构造多词Trigger对语言模型

在语音识别系统中,Trigger模型作为语言模型的一种,用于描述长距离词与词之间的关系,然而以往的Trigger语言模型多是针对单个词的模型,本文借鉴数据挖掘中关联规则发现的Apriori算法,利用效率比较高的FP树算法产生多词Trigger对,由此构造多词Trigger对语言模型,这种模型能够更多地利用历史数据,弥补了传统N元文法语言模型描述距离小于N的缺点.