例子

术语点：那些符号不是O，而是 thetas Θ。

令人困惑的是，这些标记为 theta 的值通常称为 lambdas，如您引用的页面中所示。它们是用于插值（与退避相反）的权重，总和为 1，可以通过多种方法从语料库本身计算：

这些 λ 值是如何设置的？简单插值和条件插值 λs 都是从保留的语料库中学习的。保留语料库是一个额外的训练语料库，我们通过选择使保留语料库的可能性最大化的 λ 值来设置像这些 λ 值这样的超参数。也就是说，我们固定 N-gram 概率，然后搜索插入方程式时的 λ 值。4.24给出了保留集的最高概率。有多种方法可以找到这个最优的 λs 集。一种方法是使用第 7 章中定义的 EM 算法，这是一种迭代学习算法，收敛于局部最优 λs (Jelinek and Mercer, 1980)。

• 语音和语言处理。第 4 章：N-Gram（4.4.3 退避和插值）（第 15 页）

您会将 thetas 视为概率。因此它们必须大于 0，并且它们的总和必须为 1。从技术上讲，您可以手动设置它们，但您可以使用多种方法找到 theta 的最佳值。