C++ class libraries implement the A

C++ class libraries implement the API of SRILM. Object-oriented
programming turns out to be an excellent match for LMimplementation,
for several reasons. A class hierarchy naturally reflects the
specialization relation between different LMtypes (e.g., a class Ngram
is a special case of an N-gram, which is a special case of an
LM). Inheritance allows new LM variants to be derived from existing
ones with minimal effort. A new LM class minimally needs
to define only a wordProb function, the method used to compute
conditional probabilities given a word and its history.1 Most LM
functions are defined generically, and need not be reimplemented
for a new derived LM class. For example, sentenceProb is
defined in terms of wordProb and typically inherited from the
generic LM class; however, a given LM can define its own version
of sentenceProb, for efficiency or to change the standard
behavior.

Kết quả (Việt) 1:

C++ lớp thư viện thực hiện API SRILM. Hướng đối tượnglập trình hóa ra là một kết hợp tuyệt vời cho LMimplementation,vì nhiều lý do. Một hệ thống phân cấp lớp tự nhiên phản ánh cácchuyên ngành quan hệ giữa khác nhau LMtypes (ví dụ như, một lớp Ngramlà một trường hợp đặc biệt của một N-gam, mà là một đặc biệt trường hợp của mộtLM). thừa kế cho phép phiên bản LM mới có nguồn gốc từ sẵn cónhững người với nỗ lực tối thiểu. Một lớp học LM mới tối thiểu cầnđể xác định chỉ một wordProb chức năng, phương pháp được sử dụng để tính toánxác suất có điều kiện cho một từ và history.1 đặt LMchức năng được định nghĩa tổng quát, và không cần reimplementedtrong một mới xuất phát LM lớp. Ví dụ, sentenceProb làđịnh nghĩa trong điều khoản của wordProb và thường được thừa kế từ cácchung LM lớp; Tuy nhiên, một LM nhất định có thể xác định phiên bản riêng của mìnhcủa sentenceProb, cho hiệu quả hoặc thay đổi các tiêu chuẩnhành vi.

Kết quả (Việt) 2:

C ++ thư viện lớp thực hiện các API của SRILM. Hướng đối tượng
lập trình hóa ra lại là một trận đấu tuyệt vời cho LMimplementation,
vì nhiều lý do. Một hệ thống phân cấp lớp tự nhiên phản ánh các
mối quan hệ chuyên môn giữa LMtypes khác nhau (ví dụ, một lớp Ngram
là một trường hợp đặc biệt của một N-gram, mà là một trường hợp đặc biệt của một
LM). Kế thừa cho phép biến LM mới được bắt nguồn từ hiện tại
những người thân với nỗ lực tối thiểu. Một lớp học LM mới tối thiểu cần
để xác định chỉ có một chức năng wordProb, phương pháp sử dụng để tính toán
xác suất điều kiện cho một từ và history.1 Hầu hết các LM của nó
chức năng được xác định một cách khái quát, và không cần phải được reimplemented
cho một lớp học có nguồn gốc LM mới. Ví dụ, sentenceProb được
quy định tại các điều khoản của wordProb và thường được kế thừa từ
lớp LM chung; Tuy nhiên, một LM nhất định có thể xác định phiên bản riêng
của sentenceProb, cho hiệu quả hoặc để thay đổi các tiêu chuẩn
hành vi.