since refinements of class-based LM

since refinements of class-based LMs seem to provide an effective and efficient way to incorporate grammatical information into the LM [23]. The low-level implementation of data structures is currently biased toward speed and convenience rather than memory usage; it might be worthwhile to reevaluate this choice to accommodate ever-larger training corpora. SRILM currently assumes single-byte character encoding and uses only whitespace for tokenization; it would be desirable to include support for multibyte character sets and SGML-tagged formats at some point. Ultimately, however, development of the toolkit will continue to be driven by research needs, and is therefore hard to predict.

Kết quả (Việt) 1:

kể từ khi cải tiến dựa trên lớp LMs dường như cung cấp một cách hiệu quả và hiệu quả để kết hợp ngữ pháp thông tin vào LM [23]. Việc thực hiện cấp thấp của cấu trúc dữ liệu hiện đang được thành kiến đối với tốc độ và thuận tiện chứ không phải sử dụng bộ nhớ; nó có thể là đáng giá để tái thẩm định sự lựa chọn này để chứa corpora lớn hơn bao giờ đào tạo. SRILM hiện nay giả định bảng mã ký tự đơn byte và sử dụng chỉ khoảng trắng cho tokenization; nó sẽ là mong muốn để bao gồm hỗ trợ cho bộ ký tự multibyte và định dạng dán SGML tại một số điểm. Cuối cùng, Tuy nhiên, sự phát triển của bộ công cụ sẽ tiếp tục được thúc đẩy bởi nhu cầu nghiên cứu, và do đó khó để dự đoán.

Kết quả (Việt) 2:

kể từ khi cải tiến của LMS dựa trên lớp dường như cung cấp một cách hiệu quả và hiệu quả để kết hợp thông tin ngữ pháp vào LM [23]. Việc thực hiện ở mức độ thấp của cấu trúc dữ liệu hiện đang thiên về tốc độ và sự thuận tiện hơn là sử dụng bộ nhớ; nó có thể là đáng giá để đánh giá lại sự lựa chọn này để chứa corpora đào tạo ngày càng lớn hơn. SRILM hiện giả single-byte mã hóa ký tự và chỉ sử dụng khoảng trắng cho tokenization; nó sẽ là mong muốn bao gồm hỗ trợ cho các bộ ký tự nhiều byte và định dạng SGML gắn thẻ tại một số điểm. Cuối cùng, tuy nhiên, sự phát triển của bộ công cụ sẽ tiếp tục được thúc đẩy bởi nhu cầu nghiên cứu, và do đó rất khó để dự đoán.