Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Sức khỏe - Y tế
Văn bản luật
Nông Lâm Ngư
Kỹ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
Tài liệu HOT
Tìm
Danh mục
Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Y tế sức khỏe
Văn bản luật
Nông lâm ngư
Kĩ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
Thông tin
Điều khoản sử dụng
Quy định bảo mật
Quy chế hoạt động
Chính sách bản quyền
0
Trang chủ
Luận Văn - Báo Cáo
Báo cáo khoa học
Báo cáo khoa học: "An Efficient Indexer for Large N-Gram Corpora"
TAILIEUCHUNG - Báo cáo khoa học: "An Efficient Indexer for Large N-Gram Corpora"
Hakan Ceylan Department of Computer Science University of North Texas Denton, TX 76203 hakan@ Rada Mihalcea Department of Computer Science University of North Texas Denton, TX 76203 rada@ Abstract We introduce a new publicly available tool that implements efficient indexing and retrieval of large N-gram datasets, such as the Web1T 5-gram corpus. Our tool indexes the entire Web1T dataset with an index size of only 100 MB and performs a retrieval of any N-gram with a single disk access. With an increased index size of 420 MB and duplicate data, it also allows users to issue wild card queries provided that the wild. | An Efficient Indexer for Large N-Gram Corpora Hakan Ceylan Department of Computer Science University of North Texas Denton TX 76203 hakan@ Rada Mihalcea Department of Computer Science University of North Texas Denton TX 76203 rada@ Abstract We introduce a new publicly available tool that implements efficient indexing and retrieval of large N-gram datasets such as the Web1T 5-gram corpus. Our tool indexes the entire Web1T dataset with an index size of only 100 MB and performs a retrieval of any N-gram with a single disk access. With an increased index size of 420 MB and duplicate data it also allows users to issue wild card queries provided that the wild cards in the query are contiguous. Furthermore we also implement some of the smoothing algorithms that are designed specifically for large datasets and are shown to yield better language models than the traditional ones on the Web1T 5-gram corpus Yuret 2008 . We demonstrate the effectiveness of our tool and the smoothing algorithms on the English Lexical Substitution task by a simple implementation that gives considerable improvement over a basic language model. 1 Introduction The goal of statistical language modeling is to capture the properties of a language through a probability distribution so that the probabilities of word sequences can be estimated. Since the probability distribution is built from a corpus of the language by computing the frequencies of the N-grams found in the corpus the data sparsity is always an issue with the language models. Hence as it is the case with many statistical models used in Natural Language Processing NLP the models give a much better performance with larger data sets. However the large data sets such as the Web1T 5-Gram corpus of Brants and Franz 2006 present 103 a major challenge. The language models built from these sets cannot fit in memory hence efficient accessing of the N-gram frequencies becomes an issue. Trivial methods such as linear or binary search
Minh Thông
38
6
pdf
Báo lỗi
Trùng lắp nội dung
Văn hóa đồi trụy
Phản động
Bản quyền
File lỗi
Khác
Upload
Tải xuống
đang nạp các trang xem trước
Bấm vào đây để xem trước nội dung
Tải xuống
TÀI LIỆU LIÊN QUAN
TÀI LIỆU XEM NHIỀU
Một Case Về Hematology (1)
8
461906
55
Giới thiệu :Lập trình mã nguồn mở
14
22844
64
Tiểu luận: Tư tưởng Hồ Chí Minh về xây dựng nhà nước trong sạch vững mạnh
13
10944
531
Câu hỏi và đáp án bài tập tình huống Quản trị học
14
10133
449
Phân tích và làm rõ ý kiến sau: “Bài thơ Tự tình II vừa nói lên bi kịch duyên phận vừa cho thấy khát vọng sống, khát vọng hạnh phúc của Hồ Xuân Hương”
3
9552
104
Ebook Facts and Figures – Basic reading practice: Phần 1 – Đặng Tuấn Anh (Dịch)
249
8328
1127
Tiểu luận: Nội dung tư tưởng Hồ Chí Minh về đạo đức
16
8266
423
Mẫu đơn thông tin ứng viên ngân hàng VIB
8
7880
2223
Đề tài: Dự án kinh doanh thời trang quần áo nữ
17
6751
253
Giáo trình Tư tưởng Hồ Chí Minh - Mạch Quang Thắng (Dành cho bậc ĐH - Không chuyên ngành Lý luận chính trị)
152
5921
1428
TỪ KHÓA LIÊN QUAN
Báo cáo khoa học
báo cáo khoa học
báo cáo ngôn ngữ
ngôn ngữ tự nhiên
TÀI LIỆU MỚI ĐĂNG
Giáo án mầm non chương trình đổi mới: Đề tài: Ôn xác định vị trí trên – dưới, trước- sau của đối tượng khác.
8
359
3
09-05-2024
Báo cáo nghiên cứu khoa học " KẾT QUẢ NGHIÊN CỨU BƯỚC ĐẦU VỀ THIÊN ĐỊCH CHÂN KHỚP TRÊN CÂY THANH TRÀ Ở THỪA THIÊN HUẾ "
7
177
0
09-05-2024
MySQL Basics for Visual Learners PHẦN 9
15
187
0
09-05-2024
Diseases of the Liver and Biliary System - part 1
33
132
0
09-05-2024
Hệ thống làm lạnh và điều hòa không khí
21
130
0
09-05-2024
Fecal Incontinence Diagnosis and Treatment - part 8
35
105
0
09-05-2024
A Practical Guide for Health Researchers - part 7
24
111
0
09-05-2024
Tự học thổi sáo và ngâm thơ part 4
11
152
1
09-05-2024
GYNECOLOGIC CANCERS IN PREGNANCY: GUIDELINES OF AN INTERNATIONAL CONSENSUS MEETING
12
96
0
09-05-2024
The Constituents of Medicinal Plants
185
101
0
09-05-2024
TÀI LIỆU HOT
Mẫu đơn thông tin ứng viên ngân hàng VIB
8
7880
2223
Giáo trình Tư tưởng Hồ Chí Minh - Mạch Quang Thắng (Dành cho bậc ĐH - Không chuyên ngành Lý luận chính trị)
152
5921
1428
Ebook Chào con ba mẹ đã sẵn sàng
112
3779
1244
Ebook Tuyển tập đề bài và bài văn nghị luận xã hội: Phần 1
62
5369
1137
Ebook Facts and Figures – Basic reading practice: Phần 1 – Đặng Tuấn Anh (Dịch)
249
8328
1127
Giáo trình Văn hóa kinh doanh - PGS.TS. Dương Thị Liễu
561
3527
650
Tiểu luận: Tư tưởng Hồ Chí Minh về xây dựng nhà nước trong sạch vững mạnh
13
10944
531
Giáo trình Sinh lí học trẻ em: Phần 1 - TS Lê Thanh Vân
122
3715
525
Giáo trình Pháp luật đại cương: Phần 1 - NXB ĐH Sư Phạm
274
4118
520
Bài tập nhóm quản lý dự án: Dự án xây dựng quán cafe
35
4154
481
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.