Chapter 22 gave us a logical model

Chapter 22 gave us a logical model of language: we used CFGs and DCGs to characterize

a string as either a member or a nonmember of a language. In this section, we will intro-
duce several probabilistic models. Probabilistic models have several advantages. They can

conveniently be trained from data: learning is just a matter of counting occurrences (with

some allowances for the errors of relying on a small sample size). Also, they are more robust

(because they can accept any string, albeit with a low probability), they reflect the fact that

not 100% of speakers agree on which sentences are actually part of a language, and they can

be used for disambiguation: probability can be used to choose the most likely interpretation.

Kết quả (Việt) 1:

Chương 22 đã cho chúng tôi một mô hình hợp lý của ngôn ngữ: chúng tôi sử dụng CFGs và DCGs để mô tảmột chuỗi như là một thành viên hoặc một nonmember của một ngôn ngữ. Trong phần này, chúng tôi sẽ giới thiệu-Duce một số mô hình xác suất. Xác suất các mô hình có một số lợi thế. Họ có thểthuận tiện được đào tạo từ dữ liệu: học tập là chỉ là một vấn đề đếm (với các sự kiệnmột số khoản phụ cấp đối với các lỗi của dựa vào một kích thước mẫu nhỏ). Ngoài ra, họ là mạnh mẽ hơn(bởi vì họ có thể chấp nhận bất kỳ chuỗi, mặc dù với một xác suất thấp), họ phản ánh một thực tế rằngkhông phải 100% người sử dụng đồng ý mà câu là thực sự là một phần của một ngôn ngữ, và họ có thểđược sử dụng để định hướng: xác suất có thể được sử dụng để lựa chọn các giải thích có khả năng nhất.

Kết quả (Việt) 2:

Chương 22 đã cho chúng tôi một mô hình hợp lý của ngôn ngữ: chúng tôi sử dụng CFGs và DCG để mô tả một chuỗi như là một trong hai thành viên hoặc một thành viên đệ của một ngôn ngữ. Trong phần này, chúng tôi sẽ intro- Duce một số mô hình xác suất. Mô hình xác suất có một số lợi thế. Họ có thể thuận tiện được đào tạo từ dữ liệu: học tập chỉ là một vấn đề xuất hiện đếm (với một số phụ cấp cho các lỗi dựa vào một kích thước mẫu nhỏ). Ngoài ra, họ là mạnh mẽ hơn (vì họ có thể chấp nhận bất kỳ chuỗi, mặc dù với một xác suất thấp), chúng phản ánh một thực tế rằng không phải 100% loa đồng ý mà câu thực sự là một phần của một ngôn ngữ, và họ có thể được sử dụng để định hướng: xác suất có thể được sử dụng để lựa chọn các giải thích khả năng nhất.