扩展自上而下树状传感器的功率

@第{Maletti2009ThePO条，title={扩展自上而下树状传感器的威力}，author={安德烈亚斯·马莱蒂（Andreas Maletti）、乔纳森·格雷尔（Jonathan Graehl）、马克·霍普金斯（Mark Hopkins）和凯文·奈特（Kevin Knight）}，日志={SIAM J.计算}，年份={2009}，体积={39}，页数={410-430}，网址={https://api.semanticscholar.org/CorpusID:1037425}}
得到的性质完全解释了树变换的诱导类的Hasse图，并表明了由扩展的自顶向下树变换器计算的最有趣的变换类在合成下不是封闭的。
通过Publisher查看
isi.edu网站
95条引文
极具影响力的引文
6
背景引文
55
方法引文
23
结果引文
三

本文中的数字

95条引文

调查：加权自上而下扩展树传感器第I部分-基本知识和表达能力

本综述为加权扩展自顶向下树变换器的理论分析奠定了基础，并讨论了本质上完整的半环，这是一个新的概念，可用于将未加权结果提升到加权情况，即使存在内部和。

线性扩展自顶向下树形传感器的合成闭合

给出了实现任意合成的完整表达能力所需的最少换能器数量，除非删除的δ-自由换能器外，这些换能器的所有无ε（所有规则都消耗输入）变体的合成层次是有限的。

扩展自顶向下树传感器的组成

具有ε规则的自上而下树形传感器的组成

提出了一种由两个参数M和N组成的复合结构，并证明了当N是线性的、M是全的或N是不删除的，并且M在每个规则中最多有一个输出符号时，该结构是正确的。

扩展多自底向上树传感器的组成与分解？

结果表明，这种变换器可以计算由线性扩展的自顶向下树变换器计算的所有变换（这是基于句法的机器翻译的理论模型）。

线性加权扩展自上而下树传感器的组成闭包

对于任何交换半环上这些加权变换器的除一个（varepsilon）自由变量外的所有变量，合成层次都是有限的。

扩展的多自下而上树传感器的组成和分解

结果表明，这种变换器可以计算由线性扩展的自顶向下树变换器计算的所有变换，这是基于句法的机器翻译的理论模型。

加权规则保持多自下而上树传感器的功率

研究了规则保持的无e加权线性多自底向上树变换器的表达能力，这些模型可以模拟语言驱动的主题化不连续变换，而上述合成链无法实现。

确定性上下树串传感器的等效性是可确定的

我们证明了确定性自顶向下树到字符串变换器的等价性是可判定的，从而解决了形式语言理论中长期存在的开放问题。我们还提出了有效的算法…

保持规则性的多个自下而上树传感器的威力

证明了尽管受到限制，它们的功率仍然超过了具有正则look-ahead（xtop R）的线性扩展自顶向下树变换器的合成链的功率，后者是stsg的一个自然超类。
...

29参考文献

扩展自顶向下树传感器的组成

自上而下和自下而上树木转导的组成

扩展的多底部向上树传感器

结果表明，这种变换器可以计算由线性扩展的自顶向下树变换器计算的所有变换，这是基于句法的机器翻译的理论模型。

自下而上和自上而下的树转换-比较

介绍了一种新的树变换模型，它推广了自顶向下和自底向上的树变换器，并用于对自顶向下树变换的合成结果进行简单证明。

基础研究：模块化树形传感器

作为树传感器的同步语法

这项工作首次合成了同步树替换文法和邻接文法，这是一个双晶的框架，是一种可以嵌入所有文法的泛化形式。

树上的映射和语法

本文利用普通自动机理论的自然推广，利用Thatcher和Wright的代数形式，研究了树上的某些集合、函数和关系，对树情况下的语言结构进行了简洁的描述。

自然语言处理中的概率树变换器综述

结果表明，树受体和树变换器包含了机器翻译、摘要、释义和语言建模的概率建模的大部分当前工作，并讨论了实现概率字符串转换中相同优点的算法。

通用1.5顺序机器图

宏树传感器