<?xml version="1.0" encoding="UTF-8"?><rss version="2.0"
	xmlns:content="http://purl.org/rss/1.0/modules/content/"
	xmlns:dc="http://purl.org/dc/elements/1.1/"
	xmlns:atom="http://www.w3.org/2005/Atom"
	xmlns:sy="http://purl.org/rss/1.0/modules/syndication/"
		>
<channel>
	<title>《SMT经典再回首之Brown90:远见卓识》的评论</title>
	<atom:link href="http://www.52nlp.cn/the-foresight-of-smt-classic-brown90/feed" rel="self" type="application/rss+xml" />
	<link>http://www.52nlp.cn/the-foresight-of-smt-classic-brown90</link>
	<description>I Love Natural Language Processing</description>
	<lastBuildDate>Sun, 05 Feb 2012 11:54:59 +0000</lastBuildDate>
	<sy:updatePeriod>hourly</sy:updatePeriod>
	<sy:updateFrequency>1</sy:updateFrequency>
	<generator>http://wordpress.org/?v=3.3.1</generator>
	<item>
		<title>作者：admin</title>
		<link>http://www.52nlp.cn/the-foresight-of-smt-classic-brown90/comment-page-1#comment-152</link>
		<dc:creator>admin</dc:creator>
		<pubDate>Fri, 10 Apr 2009 00:05:51 +0000</pubDate>
		<guid isPermaLink="false">http://www.52nlp.cn/?p=1307#comment-152</guid>
		<description>非常感谢您的总结，这方面我把握的不足，学习了！</description>
		<content:encoded><![CDATA[<p>非常感谢您的总结，这方面我把握的不足，学习了！</p>
]]></content:encoded>
	</item>
	<item>
		<title>作者：Yang Liu</title>
		<link>http://www.52nlp.cn/the-foresight-of-smt-classic-brown90/comment-page-1#comment-151</link>
		<dc:creator>Yang Liu</dc:creator>
		<pubDate>Thu, 09 Apr 2009 20:50:22 +0000</pubDate>
		<guid isPermaLink="false">http://www.52nlp.cn/?p=1307#comment-151</guid>
		<description>在统计机器翻译领域，Peter F. Brown是开山之组，他的贡献自不必说。Franz J. Och是其后的巨人。Och的主要贡献是：(1) 把判别模型引入机器翻译，从根本上取代noisy-channel模型而成为目前的标准模型框架。(2) 简化了基于短语的模型。注意，他不是提出者，CMU的Yeyi Wang在97年就提出类似于IBM模型的短语模型，同样基于EM算法。由于复杂度过高，Och引入了相对频度，这是Och的一个大贡献，极大降低了参数估计的复杂度。(3) 开发并发布GIZA++。Och在这方面的学术贡献很少，只是重新实现Brown的工作，但是实际价值极大。Kevin Knight是机器翻译界公认的领袖人物，不过他的主要贡献是领导并培养了一批知名学者，如Philipp Koehn就是他的学生，他以第一作者发表的文章并不多。David Chiang是非常重要的一位学者，他的贡献是把机器翻译从平面结构建模引向层次结构建模。相对于以上几位，Philipp Koehn在学术上的贡献相对小得多（至少没有发表过Computational Linguistics论文），主要是词汇化权重、grow-diag-final和factored model，但这些都称不上重要贡献。Koehn最突出的是推广能力，先是Pharaoh，然后是Moses，Koehn使得大家更容易接触到真实的统计机器翻译系统。</description>
		<content:encoded><![CDATA[<p>在统计机器翻译领域，Peter F. Brown是开山之组，他的贡献自不必说。Franz J. Och是其后的巨人。Och的主要贡献是：(1) 把判别模型引入机器翻译，从根本上取代noisy-channel模型而成为目前的标准模型框架。(2) 简化了基于短语的模型。注意，他不是提出者，CMU的Yeyi Wang在97年就提出类似于IBM模型的短语模型，同样基于EM算法。由于复杂度过高，Och引入了相对频度，这是Och的一个大贡献，极大降低了参数估计的复杂度。(3) 开发并发布GIZA++。Och在这方面的学术贡献很少，只是重新实现Brown的工作，但是实际价值极大。Kevin Knight是机器翻译界公认的领袖人物，不过他的主要贡献是领导并培养了一批知名学者，如Philipp Koehn就是他的学生，他以第一作者发表的文章并不多。David Chiang是非常重要的一位学者，他的贡献是把机器翻译从平面结构建模引向层次结构建模。相对于以上几位，Philipp Koehn在学术上的贡献相对小得多（至少没有发表过Computational Linguistics论文），主要是词汇化权重、grow-diag-final和factored model，但这些都称不上重要贡献。Koehn最突出的是推广能力，先是Pharaoh，然后是Moses，Koehn使得大家更容易接触到真实的统计机器翻译系统。</p>
]]></content:encoded>
	</item>
</channel>
</rss>

