虽然水平有限,但我对改进内容的热情是无限的。此处专门收集勘误,欢迎大家的斧正,谢谢。
页码 | 原文 | 修改 | 提出者 |
---|---|---|---|
41 | 孙松茂 | 孙茂松 | 戴斌 |
62 | 非h和非s字符 | 非h且非s的字符 | @ChangXing |
78 | :return: [(1, 2), (2, 2), (2, 3)] |
:return: [(0, 2), (2, 3), (3, 5)] |
@huiyu |
86 | result += text[offset] |
result += text[offset:] |
@zzuruichao |
94 | n 越大 | k 越大 | @hankcs |
95 | p(\text{EOS} \mid 服务)=\frac{1}{1} | p(\text{EOS} \mid 服务) = \frac{1}{2} | @booynal |
95 | 每个单词的概率仅取决于前n个单词 | 每个单词的概率仅取决于前n-1个单词 | @booynal |
96 | 深度学习带了一种递归神经网络语言模型 | 深度学习带来了一种递归神经网络语言模型 | @ChangXing |
106 | pair[index / 2 + 1] |
pair[index * 2 + 1] |
@jingbiao |
111 | \hat p(w_t\mid w_{t-1})=\lambda\left[\mu \frac{c(w_{t-1}w_t)}{c(w_t)}+1-\mu \right]+(1-\lambda)\frac{c(w_t)+1}{N} \tag{3.2} | \hat p(w_t\mid w_{t-1})=\lambda\left[\mu \frac{c(w_{t-1}w_t)}{c(w_{t-1})+1}+1-\mu \right]+(1-\lambda)\frac{c(w_t)}{N} \tag{3.2} | @huiyu |
144 | 暴力解法是枚举每个时刻的 N 种备选状态,相邻两个时刻之间的状态就有 N^2 种组合。 | 暴力解法是枚举每个时刻的N种备选状态,由于一共有T个时刻,所以复杂度是 O(N^T) 。如果使用下面介绍的动态规划记住截止当前时刻最短的前 N^2 条路径的话,则可以将复杂度降低到 O(TN^2) 。 | |
132 | 下标 i 和 j 分别代表观测和状态的……,i=1 | ( x_t=o_j\vert y_t=s_i )下标 i 和 j 分别代表状态和观测的……,j=1 | @zzuruichao @lyjcam |
152 | W+=c。若 y=B or S,则切断,L+=W,W=[] 。 |
若y=B or S且W非空,则切断,即L+=W,W=[] 。将字符x存入缓冲区,即W+=x。 |
@zkws |
181 | 平均感知机的不同点 | 结构化感知机的不同点 | @qidiao |
181 | 惩罚错误结果触发的特征函数的权重 \mathbf{w}\leftarrow\mathbf{w}-\phi(\mathbf{x}_i,\mathbf{y}) | ,惩罚错误结果触发的特征函数 \mathbf{w}\leftarrow\mathbf{w}-\phi(\mathbf{x}_i,\mathbf{\hat y}) | @zjujunge |
187 | 提供训练接口也评测接口 | 训练接口与评测接口 | @bqwu |
204 | 图 6-5 分解为个小型最大团 | 图 6-5 分解为3个小型最大团 | @Jiayuforfreeo |
271 | {\text{H(X) }} = p(x =正)\log p(x = 正) + p(x = 反)\log p(x = 反) | {\text{H(X) }} = -\left(p(x =正)\log p(x = 正) + p(x = 反)\log p(x = 反)\right) | |
273 | 所以不必计算期望,或者说期望为 1 | 所以不必计算期望, |
linmm |
277 | [女排, 观众, 欢呼] | @DongChaoanderuni | |
295 | 若该点到最近质心的距离的平方小于 \Delta | 若该点到最近质心的距离的平方大于 \Delta | @moniker |
318 | 样本点的集合间隔 | 样本点的几何间隔 | @striker |
330 | \color{red}{elf} | \color{blue}{clf} | @AliBug |
331 | 利用菜单"File -> Read CoNLL File"即可加载一个.conll扩展名的树库文件; | 利用菜单"File -> Read Conll File"即可加载一个.conll扩展名的树库文件; | @DongChaoanderuni |