领域适应性相关论文
场景图生成任务是指从图像中检测目标类别和推理目标间关系,并利用图结构来简洁且结构化地描述图像。它是沟通自然语言与计算机视......
近年来,自然语言处理的研究已经成为热点,而分词与词性标注两个任务作为自然语言研究领域的一个重要分支,同样为大家所关注。分词......
自然语言处理(Natural Language Processing,NLP)是人工智能领域的一个重点研究方向,是让机器能够理解人类语言的一种技术手段。而......
统计机器翻译是一种以大规模平行语料为基础,从互为翻译的双语文本中统计学习翻译知识、构建翻译模型,进而利用此模型完成翻译任务......
领域自适应研究的目标是建立一种动态调整翻译模型,使翻译模型对目标领域的语言特征具备较强的学习和处理能力,借以保证翻译系统在......
本文在采用基于字的条件随机场进行中文命名实体识别的基础上,进一步探究模型对于中文异质语料的适应性,并将传统的英文中单纯领域......
机器翻译领域适应性特指翻译系统或模型对不同领域知识和问题的学习和处理能力,体现为翻译系统或模型的健壮性、稳定性和可移植性......
由于中文分词的复杂性,不同专业领域具有不同的词典构造。该文通过隐马尔可夫模型(Hidden Markov model,HMM)中文分词模型对文本信......
回 回 产卜爹仇贱回——回 日E回。”。回祖 一回“。回干 肉果幻中 N_。NH lP7-ewwe--一”＄ MN。W;- __._——————》 砧叫]们......
命名实体识别(NER:Named Entity Recognition)作为自然语言处理中的基础性问题得到了广泛研究,基于统计学习的NER技术已取得了较好......
