Parsing with probabilistic strictly locally testable tree languages

Por favor, use este identificador para citar o enlazar este ítem: http://hdl.handle.net/10045/8775
Información del item - Informació de l'item - Item information
Título: Parsing with probabilistic strictly locally testable tree languages
Autor/es: Verdú Mas, José Luis | Carrasco, Rafael C. | Calera Rubio, Jorge
Grupo/s de investigación o GITE: Reconocimiento de Formas e Inteligencia Artificial
Centro, Departamento o Servicio: Universidad de Alicante. Departamento de Lenguajes y Sistemas Informáticos
Palabras clave: Parsing with probabilistic grammars | Stochastic learning | Tree grammars
Área/s de conocimiento: Lenguajes y Sistemas Informáticos | Ciencia de la Computación e Inteligencia Artificial
Fecha de publicación: jul-2005
Editor: IEEE
Cita bibliográfica: VERDÚ MAS, José Luis; CARRASCO JIMÉNEZ, Rafael Carlos; CALERA RUBIO, Jorge. "Parsing with probabilistic strictly locally testable tree languages". IEEE Transactions on Pattern Analysis and Machine Intelligence. Vol. 27, No. 7 (July 2005). ISSN 0162-8828, pp. 1040-1050
Resumen: Probabilistic k-testable models (usually known as k-gram models in the case of strings) can be easily identified from samples and allow for smoothing techniques to deal with unseen events during pattern classification. In this paper, we introduce the family of stochastic k-testable tree languages and describe how these models can approximate any stochastic rational tree language. The model is applied to the task of learning a probabilistic k-testable model from a sample of parsed sentences. In particular, a parser for a natural language grammar that incorporates smoothing is shown.
Patrocinador/es: Work supported by the Spanish Comisión Interministerial de Ciencia y Tecnología through grants TIC2003-08496-C04 and TIC2003-08681-C02-01.
URI: http://hdl.handle.net/10045/8775
ISSN: 0162-8828
DOI: 10.1109/TPAMI.2005.144
Idioma: eng
Tipo: info:eu-repo/semantics/article
Revisión científica: si
Aparece en las colecciones:INV - GRFIA - Artículos de Revistas
INV - TRANSDUCENS - Artículos de Revistas

Archivos en este ítem:
Archivos en este ítem:
Archivo Descripción TamañoFormato 
ThumbnailMergePDFs.pdf490,77 kBAdobe PDFAbrir Vista previa


Todos los documentos en RUA están protegidos por derechos de autor. Algunos derechos reservados.