Following Yang and Eisenstein (2015

Following Yang and Eisenstein (2015), we do not learn feature embedding. for the three orthographic feature templates: as each orthographic feature template represents only a binary value, it is unnecessary to replace it with a much longer numerical vector. The learned representations are then concatenated with the basic surface features to form the augmented representations. For computational reasons, the domain adaptation systems are all based on the SVM tagger, as pilot studies showed that Viterbi tagging offers minimal improvements.

Kết quả (Việt) 1:

Yang và Eisenstein (2015), chúng tôi không tìm hiểu tính năng nhúng. nhất là tính năng ba mẫu: như mỗi tính năng là mẫu đại diện cho chỉ là một giá trị nhị phân, đó là không cần thiết để thay thế nó bằng một vector còn số nhiều. Đại diện học sau đó được nối với các tính năng trên bề mặt cơ bản để hình thành tuyên bố tăng cường. Vì lý do tính toán, các hệ thống tên miền thích ứng được tất cả dựa trên SVM tagger, nghiên cứu thí điểm cho thấy rằng Viterbi gắn thẻ cung cấp cải tiến tối thiểu.

Kết quả (Việt) 2:

Sau Yang và Eisenstein (2015), chúng tôi không tìm hiểu tính năng nhúng. cho ba mẫu tính năng chính tả: vì mỗi tính năng mẫu chữ viết chỉ chiếm một giá trị nhị phân, nó là cần thiết để thay thế nó bằng một vector lâu hơn nữa số. Cơ quan đại diện học được sau đó được nối với các tính năng bề mặt cơ bản để hình thành các cơ quan đại diện gia tăng. Vì lý do tính toán, hệ thống thích ứng miền đều dựa trên các tagger SVM, như nghiên cứu thí điểm cho thấy Viterbi gắn thẻ cung cấp những cải tiến tối thiểu.