Similarity based smoothing in language modeling

In this paper, we improve our previously proposed Similarity Based Smoothing (SBS) algorithm. The idea of the SBS is to map words or part of sentences to an Euclidean space, and approximate the language model in that space. The bottleneck of the original algorithm was to train a regularized logistic...

Teljes leírás

Elmentve itt :
Bibliográfiai részletek
Szerzők: Szamonek Zoltán
Biró István
Testületi szerző: Conference on Hungarian Computational Linguistics (4.) (2006) (Szeged)
Dokumentumtípus: Cikk
Megjelent: 2007
Sorozat:Acta cybernetica 18 No. 2
Kulcsszavak:Számítástechnika, Nyelvészet - számítógép alkalmazása
Tárgyszavak:
Online Access:http://acta.bibl.u-szeged.hu/12818
LEADER 01873nab a2200265 i 4500
001 acta12818
005 20220616140339.0
008 161015s2007 hu o 0|| eng d
022 |a 0324-721X 
040 |a SZTE Egyetemi Kiadványok Repozitórium  |b hun 
041 |a eng 
100 1 |a Szamonek Zoltán 
245 1 0 |a Similarity based smoothing in language modeling  |h [elektronikus dokumentum] /  |c  Szamonek Zoltán 
260 |c 2007 
300 |a 303-314 
490 0 |a Acta cybernetica  |v 18 No. 2 
520 3 |a In this paper, we improve our previously proposed Similarity Based Smoothing (SBS) algorithm. The idea of the SBS is to map words or part of sentences to an Euclidean space, and approximate the language model in that space. The bottleneck of the original algorithm was to train a regularized logistic regression model, which was incapable to deal with real world data. We replace the logistic regression by regularized maximum entropy estimation and a Gaussian mixture approach to model the language in the Euclidean space, showing other possibilities to use the main idea of SBS. We show that the regularized maximum entropy model is flexible enough to handle conditional probability density estimation, thus enable parallel computation tasks with significantly decreased iteration steps. The experimental results demonstrate the success of our method, we achieve 14% improvement on a reail world corpus. 
650 4 |a Természettudományok 
650 4 |a Számítás- és információtudomány 
650 4 |a Bölcsészettudományok 
650 4 |a Nyelvek és irodalom 
695 |a Számítástechnika, Nyelvészet - számítógép alkalmazása 
700 0 1 |a Biró István  |e aut 
710 |a Conference on Hungarian Computational Linguistics (4.) (2006) (Szeged) 
856 4 0 |u http://acta.bibl.u-szeged.hu/12818/1/Szamonek_2007_ActaCybernetica.pdf  |z Dokumentum-elérés