本文档介绍了作者在阅读EMNLP会议上的一篇论文后，对重要性采样（Importance Sampling, IS）的理解。文章讨论了如何使用IS解决在英文Text Normalization任务中遇到的大规模隐状态搜索空间问题，该问题同样适用于中文NLP的一些序列标准化任务。作者分享了自己在学习过程中的收获，并提供了个人理解的PPT链接，强调IS的关键在于找到好的采样策略和接近真实分布P(x)的近似分布Q(x)。"
50835525,5593993,Maven多层级项目配置及优势详解,"['maven', '多级项目', '搭建']
最近在看EMNLP上的一篇文章，Yang Y, Eisenstein J. A log-linear model for unsupervised text normalization[C]//Proc. of EMNLP. 2013.提到了用重要性采样解决隐状态搜索空间很大，因而无法用动归训练的无指导问题。文章就英文的Text Normalization任务提出这个方法，我觉得和中文NLP一些任务看成序列标准问题面临同样的问题，因此对该文的方法略做了了解。因为对重要性采样不甚了解，这篇文章看了很久，看完后觉得受益颇多。下面是对其他博客和wikipedia的理解之上的个人理解，或有‘毁人不倦’ 之嫌。
首先感谢两篇好文章：
被折叠的 条评论
为什么被折叠?
到【灌水乐园】发言
最低0.47元/天 解锁文章
扫一扫
