语言模型
- 统计语言模型
语言模型通常构建为字符串S的分布概率p(s),这里的p(s)实际上反应的是s作为一个句子出现的概率
这里的概率指的是组成字符串的这个组合,在训练语料中出现的似然,与句子是否合乎语法无关你。
假设训练语料来自于人类的语言,那么可以认为这个概率是一句话是否为人话的概率 - 怎么建立统计语言模型?
对于一个由T这个词按顺序构成的句子,p(s)实际上是求解的字符串
的联合概率,利用贝叶斯公式,链式分解如下;
从上面可以看出,一个统计语言模型可以表示成,给定前面的词,求后面一个词出现的条件概率。
我们在求p(s)时实际上就能够建立一个模型,这里的p(*)就是模型参数,如果这些已经求解
得到,那么很容易就能够得到字符串s的概率
- 求解的问题
假定字符串s为“i want to drink some water”,那么根据上面所建立的模型:
问题归结求解上面的每一个概率,比如,一种比较直观的方法就是分别计算出“i want to"和"i want to drink"
在语料中出现的频数ÿ