詹姆斯·西克鲁纳;科林·德·拉·希格拉 PCFG的语法推理应用于语言建模和无监督分析。 (英语) Zbl 1371.68132号 芬丹。通知。 146,第4期,379-402(2016). 摘要:最近,通过使用分布学习,人们发现了各种上下文无关语法子类的不同理论学习结果[A.克拉克,莱克特。注释计算。科学。6331, 11–30 (2010;Zbl 1306.68051号)]. 然而,这些结果还没有推广到概率文法。在这项工作中,我们给出了一个实用的算法,它具有一些已证明的属性,可以从正数据中学习概率文法的一个子类。使用最小可满足性求解器将搜索指向小文法。在著名的无上下文语言和人工自然语言语法上的实验给出了积极的结果。此外,我们的分析表明,从理论上讲,由我们的算法诱导的语法类型能够模拟自然语言语法的上下文自由特征。我们的一个实验表明,我们的算法在WSJ10语料库的无监督解析方面可能优于最先进的算法。 MSC公司: 68问题32 计算学习理论 2012年第68季度 语法和重写系统 关键词:语法推理;概率上下文无关文法;最小可满足性;同余文法;小型语法 引文:Zbl 1306.68051号 PDF格式BibTeX公司 XML格式引用 \textit{J.Scicluna}和\textit{C.de la Higuera},Fundam。通知。146,第4号,379--402(2016;Zbl 1371.68132) 全文: 内政部