SRILM输出的语言模型文件的格式解析

官方声明中,输出的LM文件采用的是ARPA format。大概的文件内容格式如下两个图片所示。


SRILM输出的语言模型文件的格式解析_第1张图片
image.png
SRILM输出的语言模型文件的格式解析_第2张图片
image.png

那么这个格式的数据是什么样的含义呢?
根据官方文件的解读,第一个部分的\data\中表示的是在训练文本集中不同类别的各阶统计量的个数。\n-grams: 后面,每个n-gram隔行来表示,第一列代表了取对数之后的概率,第二列代表了真实的n-gram,第三列则是回退系数,backoff weight(bow)。具体如下图所示。


image.png

你可能感兴趣的:(SRILM输出的语言模型文件的格式解析)