自然语言处理(NLP):09 语言模型1

本文介绍了自然语言处理中的语言模型,包括概率语言模型、Trigram和RNN LSTM模型。详细讨论了如何计算句子概率,解释了马尔科夫假设和n-gram模型,特别是bigram和trigram的平滑方法。此外,文章还深入探讨了LSTM的工作原理,并展示了如何使用torchtext进行数据预处理和模型训练,以及如何评估和生成句子。
摘要由CSDN通过智能技术生成

语言模型

语言模型:给句子计算一个概率
为什么会有这样一个奇怪的任务?

机器翻译:P(我喜欢吃水果)> P(我喜欢喝水果)
拼写检查:P(我想吃饭)> P(我像吃饭)
语音识别:P (我看见了一架飞机)> P(我看见了一架斐济)
文本摘要, 问答系统 etc.

文本自动补全。。。

概率语言模型(probablistic language modeling)

目标:计算一串单词连成一个句子的概率 P(w) = P(w_1, …, w_n)
相关的任务 P(w_4|w_1, …, w_3)
这两个任务的模型都称之为语言模型

条件概率
在这里插入图片描述

马尔科夫假设

上述条件概率公式只取决于最近的n-1个单词 P(w_i|w_1, …, w

评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包

打赏作者

艾文教编程

你的鼓励将是我创作的最大动力

¥1 ¥2 ¥4 ¥6 ¥10 ¥20
扫码支付:¥1
获取中
扫码支付

您的余额不足,请更换扫码支付或充值

打赏作者

实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值