合并分支 'caorunzhe' 到 'master'

Caorunzhe

查看合并请求 !286

Book/Chapter2/chapter2.tex

@@ -904,7 +904,7 @@ I cannot see without my reading \underline{\ \ \ \ \ \ \ \ }
 
 
 \noindent 直觉上应该会猜测这个地方的词应该是``glasses''，但是在训练语料库中``Francisco''出现的频率非常高。如果在预测时仍然使用的是标准的1-gram模型，那么系统会高概率选择``Francisco''填入下划线出，这个结果明显是不合理的。当使用的是混合的插值模型时，如果``reading Francisco''这种二元语法并没有出现在语料中，就会导致1-gram对结果的影响变大，使得仍然会做出与标准1-gram模型相同的结果，犯下相同的错误。
 \noindent 直觉上应该会猜测这个地方的词应该是``glasses''，但是在训练语料库中``Francisco''出现的频率非常高。如果在预测时仍然使用的是标准的1-gram模型，那么系统会高概率选择``Francisco''填入下划线出，这个结果明显是不合理的。当使用的是混合的插值模型时，如果``reading Francisco''这种二元语法并没有出现在语料中，就会导致1-gram对结果的影响变大，使得仍然会做出与标准1-gram模型相同的结果，犯下相同的错误。
 
 
-\parinterval 观察语料中的2-gram发现，``Francisco''的前一个词仅可能是``San''，不会出现``reading''。这个分析提醒了我们，考虑前一个词的影响是有帮助的，比如仅在前一个词时``San''时，才给``Francisco''赋予一个较高的概率值。基于这种想法，改进原有的1-gram模型，创造一个新的1-gram模型$\textrm{P}_{\textrm{continuation}}$，简写为$\textrm{P}_{\textrm{cont}}$。这个模型可以通过考虑前一个词的影响评估当前词作为第二个词出现的可能性。
+\parinterval 观察语料中的2-gram发现，``Francisco''的前一个词仅可能是``San''，不会出现``reading''。这个分析提醒了我们，考虑前一个词的影响是有帮助的，比如仅在前一个词是``San''时，才给``Francisco''赋予一个较高的概率值。基于这种想法，改进原有的1-gram模型，创造一个新的1-gram模型$\textrm{P}_{\textrm{continuation}}$，简写为$\textrm{P}_{\textrm{cont}}$。这个模型可以通过考虑前一个词的影响评估当前词作为第二个词出现的可能性。
 
 
 \parinterval 为了评估$\textrm{P}_{\textrm{cont}}$，统计使用当前词作为第二个词所出现二元语法的种类，二元语法种类越多，这个词作为第二个词出现的可能性越高，呈正比：
 \parinterval 为了评估$\textrm{P}_{\textrm{cont}}$，统计使用当前词作为第二个词所出现二元语法的种类，二元语法种类越多，这个词作为第二个词出现的可能性越高，呈正比：
 \begin{eqnarray}
 \begin{eqnarray}

Book/Chapter3/Figures/figure-process-of-machine-translation.tex

@@ -202,8 +202,8 @@
 \node [anchor=west] (score1) at ([xshift=1.5em]ft14.east) {\footnotesize{P=0.042}};
 \node [anchor=west] (score1) at ([xshift=1.5em]ft14.east) {\footnotesize{P=0.042}};
 \node [anchor=west] (score2) at ([xshift=1.5em]ft24.east) {\footnotesize{P=0.006}};
 \node [anchor=west] (score2) at ([xshift=1.5em]ft24.east) {\footnotesize{P=0.006}};
 \node [anchor=west] (score3) at ([xshift=1.5em]ft34.east) {\footnotesize{P=0.003}};
 \node [anchor=west] (score3) at ([xshift=1.5em]ft34.east) {\footnotesize{P=0.003}};
-\node [anchor=south] (scorelabel) at (score1.north) {\scriptsize{{\color{red}{都赋予一个模型得分}}}};
-\node [anchor=south] (scorelabel2) at ([yshift=-0.5em]scorelabel.north) {\scriptsize{{\color{red}{系统给每个译文}}}};
+\node [anchor=south] (scorelabel) at ([xshift=-2.0em]score1.north) {\scriptsize{{\color{red}{率给每个译文赋予一个模型得分}}}};
+\node [anchor=south] (scorelabel2) at ([yshift=-0.5em]scorelabel.north) {\scriptsize{{\color{red}{系统综合单词概率和语言模型概}}}};
 }
 }
 {
 {
 \node [anchor=north] (scorelabel2) at (score3.south) {\scriptsize{{选择得分}}};
 \node [anchor=north] (scorelabel2) at (score3.south) {\scriptsize{{选择得分}}};

Book/Chapter4/Figures/example-of-n-gram-1.tex

@@ -12,7 +12,7 @@
 我 喜欢 $\to$ I liked & 0.2\\
 我 喜欢 $\to$ I liked & 0.2\\
 绿 茶 $\to$ green tea & 0.5\\
 绿 茶 $\to$ green tea & 0.5\\
 绿 茶 $\to$ the green tea & 0.1\\
 绿 茶 $\to$ the green tea & 0.1\\
-红 茶 $\to$ black tea & 0.6\\
+红 茶 $\to$ black tea & 0.7\\
 ... & 
 ... & 
 \end{tabular}
 \end{tabular}
 }
 }

Book/Chapter4/Figures/reorder-base-distance.tex

@@ -6,24 +6,24 @@
 \begin{scope}[minimum height = 20pt]
 \begin{scope}[minimum height = 20pt]
 
 
 \node[anchor=east] (s0) at (-0.5em, 0) {$\textbf{s}$:};
 \node[anchor=east] (s0) at (-0.5em, 0) {$\textbf{s}$:};
-\node[anchor=west,fill=green!20] (s1) at (0, 0) {\small{在 桌子 上 的}};
-\node[anchor=south] (n1) at ([xshift=-3em,yshift=-0.5em]s1.north) {\small{1}};
-\node[anchor=south] (n2) at ([xshift=-0.8em,yshift=-0.5em]s1.north) {\small{2}};
-\node[anchor=south] (n3) at ([xshift=1.1em,yshift=-0.5em]s1.north) {\small{3}};
-\node[anchor=south] (n4) at ([xshift=3em,yshift=-0.5em]s1.north) {\small{4}};
+\node[anchor=west,fill=green!20] (s1) at (0, 0) {\small{在\ \ 桌子\ \ 上\ \ \;的}};
+\node[anchor=south] (n1) at ([xshift=-2.5em,yshift=-0.5em]s1.north) {\small{1}};
+\node[anchor=south] (n2) at ([xshift=-0.7em,yshift=-0.5em]s1.north) {\small{2}};
+\node[anchor=south] (n3) at ([xshift=1.2em,yshift=-0.5em]s1.north) {\small{3}};
+\node[anchor=south] (n4) at ([xshift=2.7em,yshift=-0.5em]s1.north) {\small{4}};
 \node[anchor=west,fill=red!20] (s2) at ([xshift=1em]s1.east) {\small{苹果}};
 \node[anchor=west,fill=red!20] (s2) at ([xshift=1em]s1.east) {\small{苹果}};
 \node[anchor=south] (n5) at ([yshift=-0.5em]s2.north) {\small{5}};
 \node[anchor=south] (n5) at ([yshift=-0.5em]s2.north) {\small{5}};
 
 
 \node[anchor=east] (t0) at (-0.5em, -1.5) {$\textbf{t}$:};
 \node[anchor=east] (t0) at (-0.5em, -1.5) {$\textbf{t}$:};
 \node[anchor=west,fill=red!20] (t1) at (0, -1.5) {\small{the apple}};
 \node[anchor=west,fill=red!20] (t1) at (0, -1.5) {\small{the apple}};
-\node[anchor=west,fill=green!20] (t2) at ([xshift=1em]t1.east) {\small{on the table}};
+\node[anchor=west,fill=green!20] (t2) at ([xshift=1.3em]t1.east) {\small{on the table}};
 
 
 \path[<->, thick] (s1.south) edge (t2.north);
 \path[<->, thick] (s1.south) edge (t2.north);
 \path[<->, thick] (s2.south) edge (t1.north);
 \path[<->, thick] (s2.south) edge (t1.north);
 
 
-\node[anchor=west] (target) at ([xshift=3.5em,yshift=2.3em]n5.east) {\small{目标短语}};
-\node[anchor=west] (source) at ([xshift=0.5em]target.east) {\small{源短语}};
-\node[anchor=west] (distance) at ([xshift=0.9em]source.east) {\small{距离}};
+\node[anchor=west] (target) at ([xshift=2em,yshift=2.3em]n5.east) {\small{目标短语位置}};
+\node[anchor=west] (source) at ([xshift=0.3em]target.east) {\small{源短语位置}};
+\node[anchor=west] (distance) at ([xshift=1.5em]source.east) {\small{距离}};
 
 
 \node[anchor=north] (t1) at ([xshift=0em,yshift=-0.1em]target.south) {1};
 \node[anchor=north] (t1) at ([xshift=0em,yshift=-0.1em]target.south) {1};
 \node[anchor=north] (t2) at ([yshift=-1.8em]t1.south) {2};
 \node[anchor=north] (t2) at ([yshift=-1.8em]t1.south) {2};
@@ -34,10 +34,10 @@
 \node[anchor=north] (d1) at ([xshift=-0.1em,yshift=-0.1em]distance.south) {+4};
 \node[anchor=north] (d1) at ([xshift=-0.1em,yshift=-0.1em]distance.south) {+4};
 \node[anchor=north] (d2) at ([yshift=-1.8em]d1.south) {-5};
 \node[anchor=north] (d2) at ([yshift=-1.8em]d1.south) {-5};
 
 
-\node[anchor=north west,fill=blue!20] (m1) at ([xshift=-1em,yshift=-0.0em]t1.south west) {\small{$start_1\ -\ end_{0}\ -\ 1$\ =\ 5\ -\ 0\ -\ 1}};
-\node[anchor=north west,fill=blue!20] (m2) at ([xshift=-1em,yshift=-0.0em]t2.south west) {\small{$start_2\ -\ end_{1}\ -\ 1$\ =\ 1\ -\ 5\ -\ 1}};
+\node[anchor=north west,fill=blue!20] (m1) at ([xshift=-1em,yshift=-0.0em]t1.south west) {\small{$start_1\ \ -\ \ end_{0}\ \ -\ \ 1$\quad =\quad 5\ -\ 0\ -\ 1}};
+\node[anchor=north west,fill=blue!20] (m2) at ([xshift=-1em,yshift=-0.0em]t2.south west) {\small{$start_2\ \ -\ \  end_{1}\ \ -\ \ 1$\quad =\quad 1\ -\ 5\ -\ 1}};
 
 
-\draw[-] ([xshift=0.02in]target.south west)--([xshift=2in]target.south west);
+\draw[-] ([xshift=0.08in]target.south west)--([xshift=2.4in]target.south west);
 
 
 \draw[-,thick] (s1.north west)--([yshift=0.3in]s1.north west);
 \draw[-,thick] (s1.north west)--([yshift=0.3in]s1.north west);
 \draw[->,densely dotted,thick] ([yshift=0.3in]s1.north west)--([xshift=0.3in,yshift=0.3in]s1.north west);
 \draw[->,densely dotted,thick] ([yshift=0.3in]s1.north west)--([xshift=0.3in,yshift=0.3in]s1.north west);
@@ -48,6 +48,7 @@
 \node[anchor=south] (ld1) at ([xshift=-0.5em,yshift=0.4em]n1.north) {\small{$dr= -5$}};
 \node[anchor=south] (ld1) at ([xshift=-0.5em,yshift=0.4em]n1.north) {\small{$dr= -5$}};
 \node[anchor=south] (ld2) at ([xshift=6.5em,yshift=0.4em]n1.north) {\small{$dr= +4$}};
 \node[anchor=south] (ld2) at ([xshift=6.5em,yshift=0.4em]n1.north) {\small{$dr= +4$}};
 
 
+
 \end{scope}
 \end{scope}
 \end{tikzpicture}
 \end{tikzpicture}
 \end{center}
 \end{center}
\ No newline at end of file

Book/Chapter4/chapter4.tex

@@ -561,13 +561,13 @@ d = {(\bar{s}_{\bar{a}_1},\bar{t}_1)} \circ {(\bar{s}_{\bar{a}_2},\bar{t}_2)} \c
 
 
 \parinterval 基于距离的调序是最简单的一种调序模型。很多时候，语言的翻译基本上都是顺序的，也就是，译文单词出现的顺序和源语言单词的顺序基本上是一致的。反过来说，如果译文和源语言单词（或短语）的顺序差别很大，就认为出现了调序。
 \parinterval 基于距离的调序是最简单的一种调序模型。很多时候，语言的翻译基本上都是顺序的，也就是，译文单词出现的顺序和源语言单词的顺序基本上是一致的。反过来说，如果译文和源语言单词（或短语）的顺序差别很大，就认为出现了调序。
 
 
-\parinterval 基于距离的调序方法的核心思想就是度量当前翻译结果与顺序翻译之间的差距。对于译文中的第$i$个短语，令$start_i$表示它所对应的源语言短语中第一个词所在的位置，$end_i$是这个短语中最后一个词所在的位置。于是，这个短语（相对于前一个短语）的调序距离为：
+\parinterval 基于距离的调序方法的核心思想就是度量当前翻译结果与顺序翻译之间的差距。对于译文中的第$i$个短语，令$start_i$表示它所对应的源语言短语中第一个词所在的位置，$end_i$表示它所对应的源语言短语中最后一个词所在的位置。于是，这个短语（相对于前一个短语）的调序距离为：
 \begin{eqnarray}
 \begin{eqnarray}
 dr = start_i-end_{i-1}-1
 dr = start_i-end_{i-1}-1
 \label{eq:4-15}
 \label{eq:4-15}
 \end{eqnarray}
 \end{eqnarray}
 
 
-\parinterval 在图\ref{fig:4-20}的例子中，``the apple''所对应的调序距离为4，``在桌子上的''所对应的调序距离为-5。显然，如果两个源语短语按顺序翻译，则$start_i = end_{i-1} + 1$，这时调序距离为0。
+\parinterval 在图\ref{fig:4-20}的例子中，``the apple''所对应的调序距离为4，``on the table''所对应的调序距离为-5。显然，如果两个源语短语按顺序翻译，则$start_i = end_{i-1} + 1$，这时调序距离为0。
 
 
 %----------------------------------------------
 %----------------------------------------------
 \begin{figure}[htp]
 \begin{figure}[htp]