https://antkillerfarm.github.io/

Beam Search

Beam Search（集束搜索）是一種啟發式圖搜索算法，通常用在圖的解空間比較大的情況下，為了減少搜索所占用的空間和時間，在每一步深度擴展的時候，剪掉一些質量比較差的結點，保留下一些質量較高的結點。

這樣減少了空間消耗，并提高了時間效率，但缺點就是有可能存在潛在的最佳方案被丟棄，因此Beam Search算法是不完全的，一般用于解空間較大的系統中。

上圖是一個Beam Search的剪枝示意圖。

Beam Search主要用于機器翻譯、語音識別等系統。這類系統雖然從理論來說，也就是個多分類系統，然而由于分類數等于詞匯數，簡單的套用softmax之類的多分類方案，明顯是計算量過于巨大了。

PS：中文驗證碼識別估計也可以采用該技術。

參見：

http://people.csail.mit.edu/srush/optbeam.pdf

Optimal Beam Search for Machine Translation

http://www.cnblogs.com/xxey/p/4277181.html

Beam Search（集束搜索/束搜索）

http://blog.csdn.net/girlhpp/article/details/19400731

束搜索算法（Andrew Jungwirth 初稿）BEAM Search

NLP機器翻譯常用評價度量

機器翻譯的評價指標主要有：BLEU、NIST、Rouge、METEOR等。

參考：

http://blog.csdn.net/joshuaxx316/article/details/58696552

BLEU，ROUGE，METEOR，ROUGE-淺述自然語言處理機器翻譯常用評價度量

http://blog.csdn.net/guolindonggld/article/details/56966200

機器翻譯評價指標之BLEU

http://blog.csdn.net/han_xiaoyang/article/details/10118517

機器翻譯評估標準介紹和計算方法

http://blog.csdn.net/lcj369387335/article/details/69845385

自動文檔摘要評價方法—Edmundson和ROUGE

https://mp.weixin.qq.com/s/XiZ6Uc5cHZjczn-qoupQnA

對話系統評價方法綜述

模型驅動 vs 數據驅動

最近閱讀了這篇文章，深有感慨：

https://mp.weixin.qq.com/s/N7DE0kvf8THhJQwroHj4vA

成不了AI高手？因為你根本不懂數據！聽聽這位老教授多年心血練就的最實用統計學

注：吳喜之教授是我國著名的統計學家，退休前在中國人民大學統計學院任統計學教授。吳教授上世紀六十年代就讀于北京大學數學力學系，八十年代出國深造，在美國北卡羅來納大學獲得統計學博士學位，是改革開放之后第一批留美并獲得統計學博士學位的中國學者。多年來吳教授在國內外數十所高校講授統計學課程，在國內統計學界享有盛譽。其知名的學生有李艦和劉思喆。

李艦，從2003年開始，一直把R當作隨身武器奮戰在統計學和數據分析的第一線，是Rweibo、Rwordseg、tmcn等高質量R包的作者，在業界積累了大量的經驗，目前供職于Mango Solutions（中國），任數據總監。

劉思喆，2012至2016年就職于京東商城，推薦系統平臺部高級經理，主要負責和推薦系統離線、在線相關的用戶行為、商品特征的建模，以及數據監控平臺。因工作業績，在《京東技術解密》一書中獲“數據達人”稱號。

總結

以上是生活随笔為你收集整理的机器学习（二十三）——Beam Search, NLP机器翻译常用评价度量, 模型驱动 vs 数据驱动的全部內容，希望文章能夠幫你解決所遇到的問題。

如果覺得生活随笔網站內容還不錯，歡迎將生活随笔推薦給好友。