1 Метод синтаксического разбора с использованием определяемыъ обучающим набором ядер, построенных на основе вероятностных моделей Иван Титов Джеймс Хендерсон.

Презентация:



Advertisements
Похожие презентации
С ТАТИСТИЧЕСКИЕ МЕТОДЫ ОБУЧЕНИЯ РАСПОЗНАВАНИЮ ОБРАЗОВ Студент гр Хиндикайнен А.С.
Advertisements

Машины опорных векторов Сильвестров А.С.. План Линейно-разделимая выборка Произвольные данные Ядровой переход Классификация на несколько классов.
y X Построение графика функции, по графику 0 0 X = - 5 x = 7.
Определение. Случайная величина имеет нормальное распределение вероятностей с параметрами и 2, если ее плотность распределения задается формулой:
Анализ данных Лекция 5 Методы построения математических функций.
Классификация и регрессия (продолжение) Храброва М.О.
ОБУЧЕНИЕ КЛАССИФИКАТОРОВ НА ОСНОВЕ ВЫДЕЛЕНИЯ ФРАГМЕНТОВ Васильев В.Г.
КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ В СРЕДЕ ПРОГРАММИРОВАНИЯ Модель – упрощенное представление о реальном объекте, процессе или явлении. Модели строят для познания.
StatSoft Russia. Основные идеи нейросетевых методов анализа Простота и однородность отдельных элементов - «нейронов» Все основные свойства сети определяются.
1 Искусство построения моделей или Этапы решения задач с помощью ЭВМ.
Линейная модель парной регрессии и корреляции. 2 Корреляция – это статистическая зависимость между случайными величинами, не имеющими строго функционального.
ОСНОВНЫЕ ПОНЯТИЯ ИССЛЕДОВАНИЯ ОПЕРАЦИЙ (ИСО). Исследование операций – это комплексная математическая дисциплина, занимающаяся построением, анализом и применением.
Сети глубокого обучения. Локальное и нелокальное в пространстве признаков обучение Прототипом всякого локально-обучающего алгоритма является построение:
Этапы решения задач. I этап. Постановка задачи. Выясняются цели задачи, выясняются расчетные параметры. Описывается объект или процесс, выясняются выходные.
Автоматическое определение авторства Лидия Михайловна Пивоварова Системы понимания текста.
Основы надежности ЛА МАТЕМАТИЧЕСКИЕ МОДЕЛИ НАДЕЖНОСТИ.
Комплексная технология автоматической классификации текстов ИПИ РАН Васильев В.Г.
Лекция 7: Метод потенциальных функций Предположим, что требуется разделить два непересекающихся образа V1 и V2. Это значит, что в пространстве изображений.
ЛЕКЦИЯ 8 КОРРЕЛЯЦИОННО- РЕГРЕССИОННЫЙ АНАЛИЗ. МОДЕЛИРОВАНИЕ СВЯЗЕЙ.
МЕТОД НАИМЕНЬШИХ КВАДРАТОВ. СТАТИСТИЧЕСКАЯ ОЦЕНКА.
Транксрипт:

1 Метод синтаксического разбора с использованием определяемыъ обучающим набором ядер, построенных на основе вероятностных моделей Иван Титов Джеймс Хендерсон

2 Например SVM: Осуществляется отображение в многомерное пространство признаков, где производится линейная классификация, максимизирующая зазор. Методы, использующие ядра

3 Синтаксический анализ: построение отображения из пространства предложений в пространство деревьев разбора (структурных меток). Линейная дискриминантная функция : Синтаксический анализ – структурная классификация

4 Как строить ядро (задавать отображение)? На основе экспертных знаний: LTAG Tree Kernel (Shen et al, 2003) Tree Kernel (Collins and Duffy, 2001) Эксперт определяет пространство для отображения На основе вероятностных моделей 1.Формулируется вероятностная модель; 2. Обучается на аннотированном наборе (определяются параметры модели); 3. Ядро определяется на основе обученной вероятностной модели (Jaakkola and Haussler, 1998), (Tsuda et al 2001)

5 Проблема: Известные ядра, конструируимые на основе вероятностных моделей не применимы для задачи структурной классификации (синтаксического анализа) Решение: Предложения нового ядра, построенного для минимизации ошибки оптимального линейного классификатора:

6 Экспериментальные результаты Подход применен к вероятностной модели синтаксического анализа на основе нейронной сети (Henderson, 2003) для стандартной задачи парсинга корпуса PennTreeBank Wall Street Journal Статистически значимое улучшение по отношению к исходной вероятностной модели; Результаты на уровне лучших парсеров для данной задачи (F1 89.6%)