• 主题
高级搜索  >
历史搜索 清空历史
首页> 外文会议>International workshop on future and emergent trends in language technology >Extending Feature Decay Algorithms Using Alignment Entropy
【24h】

Extending Feature Decay Algorithms Using Alignment Entropy

机译：使用比对熵扩展特征衰减算法

获取原文
页面导航
  • 摘要
  • 著录项
  • 相似文献
  • 相关主题

摘要

In machine-learning applications, data selection is of crucial importance if good runtime performance is to be achieved. Feature Decay Algorithms (FDA) have demonstrated excellent performance in a number of tasks. While the decay function is at the heart of the success of FDA, its parameters are initialised with the same weights. In this paper, we investigate the effect on Machine Translation of assigning more appropriate weights to words using word-alignment entropy. In experiments on German to English, we show the effect of calculating these weights using two popular alignment methods, GIZA++ and FastAlign, using both automatic and human evaluations. We demonstrate that our novel FDA model is a promising research direction.
机译：在机器学习应用程序中，如果要获得良好的运行时性能，数据选择至关重要。特征衰变算法（FDA）在许多任务中均表现出出色的性能。尽管衰减函数是FDA成功的核心，但其参数使用相同的权重进行初始化。在本文中，我们研究了使用单词对齐熵为单词分配更合适的权重对机器翻译的影响。在德语到英语的实验中，我们展示了使用两种流行的对齐方法（GIZA ++和FastAlign）以及自动评估和人工评估来计算这些权重的效果。我们证明了我们新颖的FDA模型是有前途的研究方向。

著录项

相似文献

  • 外文文献
  • 中文文献
  • 专利
获取原文

客服邮箱：kefu@zhangqiaokeyan.com

京公网安备：11010802029741号 ICP备案号：京ICP备15016152号-6 六维联合信息科技 (北京) 有限公司©版权所有

  • 客服微信

  • 服务号