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

在这个项目中，我们将研究算法和统计学理论问题，并将统计学推理问题也包括在内。Obschon der historisch ältere Answer der parametrischen Inferenz in den zurückliegenden Jahrzehnten weitgehire vom Answer der nicht-parametrischen Inferenz abgelöst wurde，gibt es immer noch Domänen，in denen der parametrische Answer unzweifelyte Vorzüge aufweist. Dies ist zum Beispiel der Fall bei vielen Problemen der statistischen Verarbeitung natürlicher Spracchen（statistisches“Natural Language Processing（NLP）”）. Kernstück unseres Projektes ist die Combination von Werkzeugen der parametrischen und nicht-parametrischen Inferenz.由于需要韦尔登，因此需要将基于Kern-basierte的经验风险最小化，从而使参数化随机建模的Vorzüge能够自动或自动化。本文主要讨论了三个NLP问题：词性标注、概率分析和词义消歧。这是韦尔登的担忧，也是对核心业务风险最小化的担忧。在开始时，核心功能将被重新定义。在这个中心主题中，我们发现了一个更重要的研究项目。本文主要研究统计语言学领域的算法理论的基本原理、新方法和结果。

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.