第3章 统计语言模型
这是1953年古德(I.J.Good)在他老板图灵(Alan Turing)的指导下，提出的在统计中相信可靠的统计数据，而对不可信的统计数据打折扣的一种概率估计方法，同时将折扣出来的那一小部分概率给与未看见的时间(Unseen Events)。古德和图灵还给出一个很漂亮的重新估算概率的公式，这个公式后来被称为古德-图灵估计(Good-Turing Estimate)。
假定在语料库中出现r次的词有Nr个。有
，现在假定当r比较小时，它的统计可能不可靠，因此在计算那些出现r次的词的概率时，要使用一个更小一点的次数，是dr。
古德-图灵估计按照下面的公式计算dr：
以上，吴军《数学之美》第二版
大数定理：在随机事件的大量重复出现中，往往呈现几乎必然的规律，这个规律就是大数定律。（百度百科）
线性插值：线性插值的几何意义即为概述图中利用过A点和B点的直线来近似表示原函数。（百度百科）
915
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
