HMM model formula is combination of
4 phương ánCó giải thích
Các phương án trả lời
Chọn một phương ánLời giảiChọn phương án để mở
Đáp án đúng: "N gram and Naive bayes". Bộ gán nhãn HMM chọn chuỗi nhãn t1…tn làm cực đại tích các P(wi | ti) × P(ti | ti−1): thừa số P(ti | ti−1) là xác suất chuyển trạng thái, chính là một mô hình bigram trên chuỗi nhãn, còn P(wi | ti) là xác suất phát ra (emission), tính đúng theo kiểu likelihood của Naive Bayes khi áp dụng định lý Bayes và giả định mỗi từ chỉ phụ thuộc nhãn của nó. Vì vậy công thức HMM là sự kết hợp giữa n-gram và Naive Bayes. "Logistic regression" là mô hình phân biệt (discriminative) ước lượng trực tiếp xác suất nhãn khi biết đặc trưng, gần với MEMM hay CRF chứ không phải HMM vốn là mô hình sinh. "SVM" tìm siêu phẳng có lề cực đại, không có xác suất chuyển hay xác suất phát ra nào. "Euclidean distance between words" là độ đo khoảng cách giữa vectơ, không xuất hiện trong công thức xác suất của HMM.
Cùng phần 6
Given a sequence of observations and a HMM model, which of the following fundamental problems of HMM finds the most likely sequence of states that produced the observations in an efficient way?Có lời giảiCâu hỏiWhich of the following NLP tasks use sequential labeling technique?Có lời giảiCâu hỏiWhich is NOT a conjunction?Có lời giảiCâu hỏiCả 14 câu của chủ đề14 câu
Xuất hiện trong 1 bộ đề
Đi tiếp từ đây