It is worth noting that what unfold

It is worth noting that what unfolds here is different from the generative modeling of the IBM models, presented in the previous chapter.
Previously, we had a mathematical model that explained, in a generative story, how words in the input sentence are translated into words in
the output sentence. This story gave different probabilities for different
alignments between input and output sentences, and counts for word
translation (and other model components) were based on the relative
weight of these alignments.
In contrast to this, here we do not choose among different phrase
alignments. Quite purposely, we do not make a choice between, for
instance, a more fine-grained alignment with many small phrases or a
coarser alignment with a few large phrases. Phrases of any length may
come in handy, and we do not want to eliminate any of them.

Kết quả (Việt) 1:

Nó là đáng chú ý là những gì diễn ra ở đây là khác nhau từ mô hình thể sinh của các mô hình IBM, trình bày ở chương trước.Trước đây, chúng tôi đã có một mô hình toán học giải thích, trong một câu chuyện thể sinh, như thế nào từ trong đầu vào câu được dịch ra từ trongcâu đầu ra. Câu chuyện này đã cung cấp các xác suất khác nhau cho khác nhausự sắp xếp giữa các câu đầu vào và đầu ra, và đếm cho wordDịch thuật (và các thành phần khác của mô hình) được dựa trên các thân nhântrọng lượng của những sự sắp xếp.Trái ngược với điều này, ở đây chúng tôi không chọn trong số các cụm từ khác nhausự sắp xếp. Khá cố ý chúng tôi không làm cho một sự lựa chọn giữa, choVí dụ, một chỉnh chi tiết hơn với nhiều cụm từ nhỏ hoặc mộtthô chỉnh với một vài cụm từ lớn. Các cụm từ chiều dài bất kỳ có thểcó ích và chúng tôi không muốn để loại bỏ bất kỳ của họ.

Kết quả (Việt) 2:

Điều đáng chú ý là những gì mở ra ở đây là khác nhau từ các mô hình sinh sản của các mô hình của IBM, được trình bày trong các chương trước.
Trước đây, chúng tôi đã có một mô hình toán học mà giải thích, một câu chuyện sinh sản, làm thế nào từ trong câu đầu vào được chuyển thành các từ trong
câu đầu ra. Câu chuyện này đã cho xác suất khác nhau cho khác nhau
sắp xếp giữa đầu vào và đầu ra câu, và đếm cho từ
dịch (và các thành phần mô hình khác) được dựa trên tương đối
trọng lượng của những sự sắp xếp.
Ngược lại với điều này, ở đây chúng tôi không chọn các cụm từ khác nhau
sắp xếp. Khá cố, chúng tôi không có sự lựa chọn giữa, ví
dụ, một sự liên kết nhiều hạt mịn với nhiều cụm nhỏ hoặc một
liên kết thô với một vài cụm từ lớn.

Kết quả (Việt) 3:

Đáng chú ý là, thể hiện ở đây khác với mô hình tạo ra mô hình của IBM ở trước, trong một chương trình.Trước đó, chúng ta có một mô hình toán, giải thích, trong một câu chuyện làm thế nào trong sản xuất, nhập từ câu dịch thành.Đầu ra câu.Câu chuyện này cho xác suất khác nhau.Đầu vào và đầu ra giữa câu dóng, đếm từ.Dịch (và những người mẫu khác dựa trên thành phần) là tương đối.Tuyến đường này có trọng lượng.Với cái này, ngược lại, ở đây chúng ta không chọn cụm từ khác nhau.Thẳng hàng.Rất có đích, giữa chúng tôi không quyết định.Thí dụ, với nhiều cụm từ hoặc nhỏ.Và một số đại từ của dóng thô.Chiều dài cánh câu nào đều có thểÍch, ta không muốn loại bỏ bất kỳ một.