TAILIEUCHUNG - Báo cáo khoa học: "How to train your multi bottom-up tree transducer"

The local multi bottom-up tree transducer is introduced and related to the (non-contiguous) synchronous tree sequence substitution grammar. It is then shown how to obtain a weighted local multi bottom-up tree transducer from a bilingual and biparsed corpus. Finally, the problem of non-preservation of regularity is addressed. Three properties that ensure preservation are introduced, and it is discussed how to adjust the rule extraction process such that they are automatically fulfilled. | How to train your multi bottom-up tree transducer Andreas Maletti Universitat Stuttgart Institute for Natural Language Processing AzenbergstraBe 12 70174 Stuttgart Germany Abstract The local multi bottom-up tree transducer is introduced and related to the non-contiguous synchronous tree sequence substitution grammar. It is then shown how to obtain a weighted local multi bottom-up tree transducer from a bilingual and biparsed corpus. Finally the problem of non-preservation of regularity is addressed. Three properties that ensure preservation are introduced and it is discussed how to adjust the rule extraction process such that they are automatically fulfilled. 1 Introduction A formal translation model is at the core of every machine translation system. Predominantly statistical processes are used to instantiate the formal model and derive a specific translation device. Brown et al. 1990 discuss automatically trainable translation models in their seminal paper. However the IBM models of Brown et al. 1993 are stringbased in the sense that they base the translation decision on the words and their surrounding context. Contrary in the field of syntax-based machine translation the translation models have full access to the syntax of the sentences and can base their decision on it. A good exposition to both fields is presented in Knight 2007 . In this paper we deal exclusively with syntaxbased translation models such as synchronous tree substitution grammars STSG multi bottom-up tree transducers MBOT and synchronous tree-sequence substitution grammars STSSG . Chiang 2006 gives a good introduction to STSG which originate from the syntax-directed translation schemes of Aho 825 and Ullman 1972 . Roughly speaking an STSG has rules in which two linked nonterminals are replaced at the same time by two corresponding trees containing terminal and nonterminal symbols. In addition the nonterminals in the two replacement trees are linked which .

• Báo cáo khoa học
• How to train your multi bottom up tree transducer
• Andreas Maletti Universit
• Long Papers
• báo cáo khoa học
• báo cáo ngôn ngữ
• ngôn ngữ tự nhiên
• Bài giảng Xử lý ngôn ngữ tự nhiên
• Xử lý ngôn ngữ tự nhiên
• Kỹ thuật lập trình
• Mô hình ngôn ngữ
• Mô hình n gram
• Dịch máy
• Phương pháp dịch máy
• Hiểu ngôn ngữ
• Phân loại tin tự động
• Tạo chí tin học
• Điều khiển học
• Truy vấn ngôn ngữ tự nhiên
• Phép dịch truy vấn ngôn ngữ tự nhiên
• Truy vấn SQL
• Văn phạm ngữ nghĩa
• Xử lý nhập nhằng ngữ nghĩa
• Xử lý ngữ nghĩa
• Phân tích ngữ nghĩa
• Biểu diễn vị từ
• Thuộc tính về sự kiện
• Thuộc tính về sự kiện
• Xử lý ngôn ngữ
• Natural Language Processing
• Ngôn ngữ lập trình
• Nhập nhằng cấu trúc
• Tri thức về ngôn ngữ
• Mô hình ngôn ngữ Google Book N grams
• Mô hình ngôn ngữ KenLM
• Phương pháp làm mịn
• Bài toán PTCP
• Phân tích cú pháp
• Cấu trúc ngữ pháp
• Phân tích cú pháp xác suất
• CKY kết hợp xác suất
• Văn phạm phi ngữ cảnh xác suất
• Hình thái học
• Gán nhãn từ loại
• Ngôn ngữ tự nhiên trong dịch máy
• Hệ thống dịch máy
• Phương pháp xây dựng bảng từ
• Tác từ
• Conditional random fields
• Nhận dạng thực thể có tên
• Đối tượng vật lý trừu tượng
• Phân lớp văn bản
• Biểu diễn nhị phân
• Ma trận từ văn bản
• Wolfram Alpha
• Trích rút thông tin
• Phương pháp Snowball