Refinement of recent methods from statistical learning theory and their application to selected problems from statistical natural language processing

统计学习理论的最新方法的改进及其在统计自然语言处理中选定问题的应用

• 批准号: 5388169
• 负责人: Professor Dr. Hans Ulrich Simon
• 金额: --
• 依托单位: Lehrstuhl Mathematik und Informatik
• 依托单位国家: 德国
• 项目类别: Research Grants
• 财政年份: 2002
• 资助国家: 德国
• 起止时间: 2001-12-31 至 2004-12-31
• 项目状态: 已结题
• 来源: https://gepris.dfg.de/gepris/projekt/5388169?language=en
• 关键词: Refinement; recent; methods; statistical; learning

Im hier beantragten Projekt untersuchen wir Probleme der algorithmischen und statistischen Lerntheorie und haben es insofern auch mit dem Problem der statistischen Inferenz zu tun. Obschon der historisch ältere Ansatz der parametrischen Inferenz in den zurückliegenden Jahrzehnten weitgehend vom Ansatz der nicht-parametrischen Inferenz abgelöst wurde, gibt es immer noch Domänen, in denen der parametrische Ansatz unzweifelhafte Vorzüge aufweist. Dies ist zum Beispiel der Fall bei vielen Problemen der statistischen Verarbeitung natürlicher Sprachen (statistisches "Natural Language Processing (NLP)"). Kernstück unseres Projektes ist die Kombination von Werkzeugen der parametrischen und nicht-parametrischen Inferenz. Insbesondere soll geklärt werden, inwieweit Kern-basierte empirische Risikominimierung die Vorzüge von parametrischen stochastischen Modellen ausnutzen oder gar in sich aufnehmen kann. Zur Erprobung dieses Grundgedankens betrachten wir drei ausgesuchte NLP-Probleme: "Part-of-Speech Tagging", "Probabilistic Parsing" und "Word Sense Disambiguation". Es werden Lösungsverfahren angestrebt, welche sowohl die korrespondierenden stochastischen Modelle sinnvoll ausnutzen als auch die Stärken der kernbasierten empirischen Risikominimierung. Auf den Entwurf geeigneter Kernfunktionen wird ein besonderes Augenmerk gerichtet. Ausgehend von diesem zentralem Thema des Projektes finden eine Reihe weiter verzweigter Untersuchungen statt. Dabei verfolgen wir die Absicht, neuere Methoden und Resultate der algorithmischen Lerntheorie auf dem Sektor der statistischen Sprachverarbeitung nutzbar und publik zu machen.

我的项目是关于算法和统计理论的问题以及统计推理问题的研究。参数推理的历史解释在 zurückliegenden Jahrzehnten weitgehend vom Ansatz der nicht-parametrischen abgelöst wurde, gibt es immer noch Domänen, in denen der parametrische Ansatz unzweifelhafte Vorzüge 奥夫韦斯特。 Dies ist zum Beispiel der Fall bei vielen Problemen der statistischen Verarbeitung natürlicher Sprachen（统计“自然语言处理 (NLP)”）。 Kernstück 项目是参数和非参数推理的 Werkzeugen 组合。 Insbesondere soll geklärt werden, inwieweit Kern-basierte empirische Risikominimierung die Vorzüge von parametrischen stochastischen Modellen ausnutzen oder gar in sich aufnehmen kann. Zur Erprobung dieses Grundgedankens betrachten wir drei ausgesuchte NLP 问题：“词性标记”、“概率解析”和“词义消歧”。 Es werden Lösungsverfahren angestrebt, weche sowohl die korrespondierenden stochastischen Modelle sinnvoll ausnutzen als auch die Stärken der kernbasierten empirischen Risikominimierung. Auf den Entwurf geeigneter Kernfunktionen wird ein sonderes Augenmerk 法院。项目主题的最终目的是找到一个完整的项目。 Dabei verfolgen wir die Absicht, neuere Methoden der Resultate der algorithmischen theorie auf dem Sprachverarbeitung nutzbar and publik zu machen.