segment2 makes O(nL) recursive call

segment2 makes O(nL) recursive calls, and each one considers O(L) splits, so the whole
algorithm is O(nL2). In effect this is the Viterbi algorithm, with memo implicitly creating the
Viterbi tables.
segment2 correctly segments the “sit down” example, and gets right all the examples that
the first version got right. Neither version gets the “unregarded” example right.
Could we improve on this performance? Probably. We could create a more accurate model
of unknown words. We could incorporate more data, and either keep more entries from
the unigram or bigram data, or perhaps add trigram data.

Kết quả (Việt) 1:

segment2 thực hiện cuộc gọi đệ quy O(nL), và mỗi người sẽ xem xét O(L) chia tách, vì vậy toàn bộthuật toán là O(nL2). Trong thực tế đây là thuật toán Viterbi, với các bản ghi nhớ ngầm tạo cácViterbi bảng.segment2 một cách chính xác các cấu phần ví dụ "ngồi", và được quyền tất cả các ví dụ màPhiên bản đầu tiên đã nhận đúng. Phiên bản không được ví dụ "unregarded" bên phải.Chúng tôi có thể cải thiện hiệu suất này? Có lẽ. Chúng tôi có thể tạo ra một mô hình chính xác hơntừ không rõ. Chúng tôi có thể kết hợp nhiều dữ liệu, và một trong hai giữ thêm mục từdữ liệu unigram hoặc bigram, hoặc có lẽ thêm dữ liệu trigram.

Kết quả (Việt) 2:

segment2 làm cho O (nL) các cuộc gọi đệ quy, và mỗi người ta xem xét O (L) chia tách, vì vậy toàn bộ
thuật toán là O (nL2). Trong hiệu ứng này là thuật toán Viterbi, với memo ngầm tạo ra các
bảng Viterbi.
Segment2 đúng phân đoạn "ngồi xuống" ví dụ, và được quyền tất cả các ví dụ mà
các phiên bản đầu tiên đúng. Cả phiên bản được các "unregarded" dụ ngay.
Chúng tôi có thể cải thiện về hiệu suất này? Có lẽ. Chúng ta có thể tạo ra một mô hình chính xác hơn
của các từ chưa biết. Chúng tôi có thể kết hợp nhiều dữ liệu hơn, và một trong hai giữ nhiều bài dự thi từ
các dữ liệu unigram hoặc Bigram, hoặc có thể thêm dữ liệu trigram.