A POS tagger is one component in th

A POS tagger is one component in the
SDT based statistical parsing system described
in (Jelinek et al., 1994, Magerman, 1995). The
total word accuracy on Wall St. Journal data, 96.5%(Magerman, 1995), is similar to
that presented in this paper. However, the
aforementioned SDT techniques require word
classes(Brown et al., 1992) to help prevent data
fragmentation, and a sophisticated smoothing algorithm to mitigate the effects of any fragmentation that occurs. Unlike SDT, the MaxEnt training procedure does not recursively split the data,
and hence does not suffer from unreliable counts
due to data fragmentation. As a result, no word
classes are required and a trivial count cutoff suf-rices as a smoothing procedure in order to achieve
roughly the same level of accuracy

Kết quả (Việt) 1:

POS tagger là một thành phần trong các SDT dựa trên hệ thống phân tích thống kê mô tả ở (Jelinek et al., năm 1994, Magerman, năm 1995). Các từ tất cả các chính xác trên tường St. tạp chí dữ liệu, 96,5% (Magerman, 1995), là tương tự như mà trình bày trong bài báo này. Tuy nhiên, các yêu cầu nói trên SDT kỹ thuật từ Các lớp học (Brown et al., 1992) để giúp ngăn chặn dữ liệu phân mảnh, và một thuật toán phức tạp làm mịn để giảm thiểu những ảnh hưởng của bất kỳ phân mảnh xảy ra. Không giống như SDT, MaxEnt đào tạo thủ tục hiện không đệ quy tách dữ liệu, và do đó không bị từ tính không đáng tin cậy do dữ liệu phân mảnh. Kết quả là, không có chữ Các lớp học được yêu cầu và một tầm thường tính cắt suf-rices như là một thủ tục làm mịn để đạt được khoảng cùng một mức độ chính xác

Kết quả (Việt) 2:

Một tagger POS là một thành phần trong
SDT dựa trên hệ thống phân tích thống kê mô tả
trong (Jelinek et al., 1994, Magerman, 1995). Các
tổng số chính xác từ trên dữ liệu Wall St Journal, 96,5% (Magerman, 1995), tương tự như
được trình bày trong bài báo này. Tuy nhiên,
kỹ thuật SDT nói trên đòi hỏi từ
các lớp học (Brown et al., 1992) để giúp ngăn chặn dữ liệu
phân mảnh, và một thuật toán làm mịn tinh vi để giảm thiểu ảnh hưởng của bất kỳ phân mảnh xảy ra. Không giống như SDT, quy trình đào tạo Maxent không đệ quy chia dữ liệu,
và do đó không bị tính không đáng tin cậy
do dữ liệu phân mảnh. Kết quả là, không có từ
các lớp học được yêu cầu và tầm thường số cắt rừng đặc dụng-Gạo là một thủ tục làm mịn để đạt được
khoảng cùng một mức độ chính xác