Figure 3. Plots of 2×2 error rates

Figure 3. Plots of 2×2 error rates for HMMs, CRFs, and MEMMs on randomly generated synthetic data sets, as described in Section 5.2. As the data becomes “more second order,” the error rates of the test models increase. As shown in the left plot, the CRF typically significantly outperforms the MEMM. The center plot shows that the HMM outperforms the MEMM. In the right plot, each open square
represents a data set with α < 1 , and a solid circle indicates a data set with α ≥ 1 . The plot shows that when the data is mostly second
2 2
order (α ≥ 1 ), the discriminatively trained CRF typically outperforms the HMM. These experiments are not designed to demonstrate
the advantages of the additional representational power of CRFs and MEMMs relative to HMMs.

Kết quả (Việt) 1:

Hình 3. Lô của 2 × 2 lỗi tỷ giá cho HMMs, CRFs, và MEMMs trên ngẫu nhiên tạo ra tập hợp dữ liệu tổng hợp, như mô tả trong phần 5.2. Khi dữ liệu trở nên "thêm lệnh thứ hai", tỷ lệ lỗi của các mô hình thử nghiệm tăng. Như minh hoạ trong cốt truyện trái, CRF thường đáng kể nhanh hơn so với MEMM. Cốt truyện trung tâm cho thấy rằng HMM nhanh hơn so với MEMM. Trong cốt truyện bên phải, mỗi mở vuông
đại diện cho một tập hợp dữ liệu với α < 1, và một vòng tròn rắn chỉ ra một tập hợp dữ liệu với α ≥ 1. Cốt truyện cho thấy rằng khi các dữ liệu là chủ yếu là thứ hai
2 2
trật tự (α ≥ 1), được đào tạo discriminatively CRF thường nhanh hơn so với HMM. Các thí nghiệm không được thiết kế để chứng minh
lợi thế bổ sung lượng của CRFs và MEMMs tương đối so với HMMs representational.

Kết quả (Việt) 2:

Hình 3: Lô 2 × 2 tỷ lệ lỗi cho HMMs, CRFs và MEMMs trên được tạo ngẫu nhiên các tập dữ liệu tổng hợp, như mô tả trong phần 5.2. Khi dữ liệu trở nên "tự thứ hai hơn", tỷ lệ lỗi của mô hình thử nghiệm tăng. Như thể hiện trong đồ thị bên trái, CRF thường tốt hơn đáng kể MEMM. Cốt truyện trung tâm cho thấy HMM nhanh hơn so với MEMM. Trong âm mưu đúng, mỗi ô vuông mở
đại diện cho một tập dữ liệu với α <1, và một vòng tròn vững chắc cho một bộ dữ liệu với α ≥ 1. Cốt truyện cho thấy rằng khi các dữ liệu là chủ yếu thứ hai
2 2
lệnh (α ≥ 1), CRF đào tạo discriminatively thường nhanh hơn so với HMM. Những thí nghiệm này không được thiết kế để chứng minh
những lợi thế của sức mạnh đại diện bổ sung của CRFs và MEMMs liên quan đến HMMs.