A Sparse Plus Low-Rank Exponential Language Model for Limited Resource Scenarios

This paper describes a new exponential language model that decomposes the model parameters into one or more low-rank matrices that learn regularities in the training data and one or more sparse matrices that learn exceptions (e.g., keywords). The low-rank matrices induce continuous-space representat...

Celý popis

Uloženo v:

Podrobná bibliografie
Vydáno v:	IEEE/ACM transactions on audio, speech, and language processing Ročník 23; číslo 3; s. 494 - 504
Hlavní autoři:	Hutchinson, Brian, Ostendorf, Mari, Fazel, Maryam
Médium:	Journal Article
Jazyk:	angličtina
Vydáno:	Piscataway IEEE 01.03.2015 The Institute of Electrical and Electronics Engineers, Inc. (IEEE)
Témata:	Adaptation models Algorithms Data models exponential History Language model log bilinear low-hyphen Mathematical models Matrix decomposition Natural language processing Regularity Representations sparse Sparse matrices Speech Training
ISSN:	2329-9290, 2329-9304
On-line přístup:	Získat plný text
Tagy:	Přidat tag Žádné tagy, Buďte první, kdo vytvoří štítek k tomuto záznamu!

Buďte první, kdo okomentuje tento záznam!