Atjaunināt sīkdatņu piekrišanu

E-grāmata: Memory-Based Parsing

(Eberhard Karls Universität Tübingen)
  • Formāts: 304 pages
  • Sērija : Natural Language Processing 7
  • Izdošanas datums: 31-Oct-2004
  • Izdevniecība: John Benjamins Publishing Co
  • Valoda: eng
  • ISBN-13: 9789027275141
Citas grāmatas par šo tēmu:
  • Formāts - PDF+DRM
  • Cena: 115,40 €*
  • * ši ir gala cena, t.i., netiek piemērotas nekādas papildus atlaides
  • Ielikt grozā
  • Pievienot vēlmju sarakstam
  • Šī e-grāmata paredzēta tikai personīgai lietošanai. E-grāmatas nav iespējams atgriezt un nauda par iegādātajām e-grāmatām netiek atmaksāta.
Memory-Based ParsingPalielināt
  • Formāts: 304 pages
  • Sērija : Natural Language Processing 7
  • Izdošanas datums: 31-Oct-2004
  • Izdevniecība: John Benjamins Publishing Co
  • Valoda: eng
  • ISBN-13: 9789027275141
Citas grāmatas par šo tēmu:

DRM restrictions

  • Kopēšana (kopēt/ievietot):

    nav atļauts

  • Drukāšana:

    nav atļauts

  • Lietošana:

    Digitālo tiesību pārvaldība (Digital Rights Management (DRM))
    Izdevējs ir piegādājis šo grāmatu šifrētā veidā, kas nozīmē, ka jums ir jāinstalē bezmaksas programmatūra, lai to atbloķētu un lasītu. Lai lasītu šo e-grāmatu, jums ir jāizveido Adobe ID. Vairāk informācijas šeit. E-grāmatu var lasīt un lejupielādēt līdz 6 ierīcēm (vienam lietotājam ar vienu un to pašu Adobe ID).

    Nepieciešamā programmatūra
    Lai lasītu šo e-grāmatu mobilajā ierīcē (tālrunī vai planšetdatorā), jums būs jāinstalē šī bezmaksas lietotne: PocketBook Reader (iOS / Android)

    Lai lejupielādētu un lasītu šo e-grāmatu datorā vai Mac datorā, jums ir nepieciešamid Adobe Digital Editions (šī ir bezmaksas lietotne, kas īpaši izstrādāta e-grāmatām. Tā nav tas pats, kas Adobe Reader, kas, iespējams, jau ir jūsu datorā.)

    Jūs nevarat lasīt šo e-grāmatu, izmantojot Amazon Kindle.

Memory-Based Learning (MBL), one of the most influential machine learning paradigms, has been applied with great success to a variety of NLP tasks. This monograph describes the application of MBL to robust parsing. Robust parsing using MBL can provide added functionality for key NLP applications, such as Information Retrieval, Information Extraction, and Question Answering, by facilitating more complex syntactic analysis than is currently available. The text presupposes no prior knowledge of MBL. It provides a comprehensive introduction to the framework and goes on to describe and compare applications of MBL to parsing. Since parsing is not easily characterizable as a classification task, adaptations of standard MBL are necessary. These adaptations can either take the form of a cascade of local classifiers or of a holistic approach for selecting a complete tree.The text provides excellent course material on MBL. It is equally relevant for any researcher concerned with symbolic machine learning, Information Retrieval, Information Extraction, and Question Answering.
1.
1. Introduction;
2. 2. Memory-Based Learning;
3. 3. Memory-Based
Approaches to Parsing;
4. 4. Data-Oriented Parsing;
5. 5. TuSBL: A
Memory-Based Parser;
6. 6. Empirical Evaluation;
7. 7. A Comparison of
Memory-Based Approaches to TuSBL;
8. 8. Conclusion and Future Directions;
9.
Appendix A. The Stuttgart-Tubingen Tagset;
10. Appendix B The TuBa-D/S
Inventory of Syntactic Categories and Grammatical Functions;
11. References;
12. Index of Subjects and Terms
Biežāk uzdotie jautājumi par e-grāmatām Biežāk uzdotie jautājumi par e-grāmatām
Permanent link: https://www.kriso.lv/db/97890272751412e.html