ngramowy model

wyk/04_Ngramowy_model.org

@@ -0,0 +1,112 @@
+
+** Modele języka i ich zastosowania
+
+*** Przypomnienie
+
+Przypomnijmy, że model języka zwraca prawdopodobieństwo dla danego
+ciągu symboli (tokenów, wyrazów itp.) $w_1\ldots w_N$ (o długości $N$):
+
+$$P_M(w_1\ldots w_N) = ?$$
+
+W dalszym ciągu będziemy zakładali, że będziemy operować na wyrazach.
+Zbiór wszystkich wyrazów nazywa się *słownikiem* (ang. /vocabulary/,
+nie /dictionary!/), w literaturze dotyczącej modelowania języka
+zazwyczaj oznacza się go literą $V$ (częściej niż $\Sigma$).
+Dale zakładamy, że słownik jest skończony.
+
+*** Co jeszcze potrafi model języka?
+
+**** Przewidywanie kolejnego słowa
+
+$$P_M(w_N|w_1\ldots w_{N-1}) = \frac{P_M(w_1\dots w_{N-1}w_N*)}{P_M(w_1\dots w_{n-1}*)} = \frac{\sum_{\alpha \in
+      \Sigma^*}P_M(w_1\dots w_N\alpha)}{\sum_{\alpha\in\Sigma^*}P(w_1\dots w_{n-1}\alpha)}$$
+
+$P_M(w_N|w_1\ldots w_{N-1})$ to właściwie skrót notacyjny, pełny zapis powinien mieć następujący kształt:
+
+$$P_M(X_N=w_N|X_1=w_1,\ldots,X_{N-1}=w_{N-1}),$$
+
+gdzie $P_M(X_i=w)$ oznacza prawdopodobieństwo, że na $i$-tej pozycji wystąpi słowo $w$.
+
+**** Odgadywanie słowa w luce
+
+$$P_M(w_1\dots w_{i-1}?w_{i+1}\dots w_N) = \operatorname{argmax}_w P_M(w_1\ldots w_{i-1}ww_{i+1}\dots w_N)$$
+
+*** Przykład dla autentycznego modelu języku
+
+Zobaczmy przykładowe zastosowania i wyniki dla modelu języku
+wyuczonego na tekstach z II poł. XX w.
+
+[[./04_Ngramowy_model/tabelka.png]]
+
+*** Do czego stosujemy model języka?
+
+Model języka sam w sobie nie jest zbyt użyteczny. To raczej środek do celu
+niż cel sam w sobie.
+
+Model języka:
+- ma zastosowanie w kryptoanalizie
+  - Oxmynsxq mkx lo kmrsofon li cdenisxq sdc kvzrklodsm mrkbkmdobc kxn bozvkmsxq okmr yxo li dro 13dr voddob zvkmon pebdrob kvyxq sx dro kvzrklod.
+- pomaga(ł) wybrać właściwe tłumaczenie w tłumaczeniu maszynowym
+  czy transkrypcję w systemach rozpoznawania mowy (ASR)
+  (zanim zaczęto używać do tego sieci neuronowych, gdzie nie
+  ma już wyraźnego rozróżnienia między modelem tłumaczenia
+  czy modelem akustycznym a modelem języka
+- pomaga znaleźć „podejrzane” miejsca w tekście
+  (korekta pisowni/gramatyki)
+- może być stosowany jako klasyfikator (potrzeba wtedy więcej niż jednego modelu,
+  np. model języka spamów kontra model języka niespamów)
+- może być stosowany w kompresji danych
+- bardzo dobry model języka *musi* mieć *w środku* bardzo dobrą *wiedzę*
+  o języku i o świecie, można wziąć *„wnętrzności”* modelu, nie dbając o prawdopodobieństwa
+  i użyć modelu w zupełnie innym celu
+
+** N-gramowy model języka
+
+Zawsze prawdziwe:
+
+$$P_M(w_1\dots w_N) = P_M(w_1)P_M(w_2|w_1)\dots P_M(w_N|w_1\dots w_{N-1}).$$
+
+Można aproksymować prawdopodobieństwa używając $n$-gramów:
+
+$$P_M(w_1\dots w_N) \approx P_M(w_1)\dots P_M(w_i|w_{i-n+1}\dots w_{i-1})\dots P_M(w_N|w_{N-n+1}\dots w_{N-1}).$$
+
+*** Model trigramowy
+
+Dla $n=3$:
+
+$$P_M(w_1\dots w_N) = P_M(w_1)P_M(w_2|w_1)P_M(w_3|w_1w_2)\dots P_M(w_i|w_{i-2}w_{i-1})\dots P_M(w_N|w_{N-2}w_{N-1}).$$
+
+Zauważmy, że model trigramowy oznacza modelowanie kolejnego wyrazu przy znajomości
+2 (nie 3!) poprzedzających wyrazów (*razem* mamy 3 wyrazy).
+
+*** Model digramowy
+
+Dla $n=2$:
+
+$$P_M(w_1\dots w_N) = P_M(w_1)P_M(w_2|w_1)P_M(w_3|w_2)\dots P_M(w_i|w_{i-1})\dots P_M(w_N|w_{N-1})$$
+
+*** Model unigramowy
+
+Dla $n=1$ uzyskujemy przypadek szczególny:
+
+$$P_M(w_1\dots w_N) = P_M(w_1)P_M(w_2)P_M(w_3)\dots P_M(w_N) = \prod_{i=1}^N P_M(w_i)$$
+
+Zauważmy, że w modelu unigramowym w ogóle nie bierzemy pod uwagę kolejności wyrazów.
+
+*** Estymacja prawdopodobieństw
+
+Dla $n$-gramowego modelu potrzebujmy estymować wartości:
+
+$$P_M(w_i|w_{i-n+1}\dots w_{i-1}).$$
+
+Prawdopodobieństwa te estymujemy na podstawie jakiegoś *korpusu tekstów*
+(możemy nazywać go również *zbiorem uczącym*).
+
+Najprostszy sposób:
+
+$$P_M(w_i|w_{i-n+1}\dots w_{i-1}) = \frac{\# w_{i-n+1}\dots w_{i-1}w_i}{\# w_{i-n+1}\dots w_{i-1}},$$
+
+gdzie $\# w_1\dots w_k$ oznacza liczbę wystąpień w korpusie.
+
+Na przykład, jeśli model $M$ zostanie wyuczony na tekście /do be do be do do/, wówczas
+$P_M(\mathit{be}|\mathit{do})=\frac{2}{3}$.