《表5 文本调序实验评估：连续手语识别中的文本纠正和补全方法》

  提示：宽带有限、当前游客访问压缩模式

本系列图表出处文件名：随高清版一同展现

《连续手语识别中的文本纠正和补全方法》

1. 获取 高清版本忘记账户？点击这里登录

1. 下载图表忘记账户？点击这里登录

单位：%

本次文本调序实验分别对Bi-gram、Tri-gram、4-gram、5-gram模型进行对比验证，设置集束宽度为20。文本调序的实验结果如表5所示，只基于规则转换绝对正确率达68.60%，表明转换规则已经可以正确处理多数语句；此外，从Bi-gram到4-gram，随着上下文的依赖增长，各项指标均有所上升，说明上下文信息有助于调整语句结构。根据理论基础，在N-gram模型中，N越大，实验结果应越好，但基于5-gram模型的指标却不升反降。这是由于平均每条测试语句的词汇约为4.9个，当N≥5时，依据N-gram原理，在训练语料有限的条件下，每条测试语句组成的N元词序列频度在训练好的N元词表中将会随着N的增大而减小，由此会影响模型的整体性能。此外，实验结果也表明，仅训练50万条语料，4-gram的模型大小和训练时长均约为Tri-gram的2倍。因此，对于小规模短序列数据集，并不是N越大，模型效果越好，需视情况择优选择。