El modelo de n-gramas y sus aplicaciones

Abstract

El propósito de este trabajo es estudiar el modelo de n-gramas, el cual es el modelo de lenguaje que ha demostrado mayor eficiencia y sencillez en su implementación; esto hace que el modelo sea el más utilizado en los sistemas de reconocimiento del habla como también en otros campos en los que se procesa información lingüística mediante sistemas probabilísticos. Por otra parte, este modelo presenta problemas de dispersión, pero existe una técnica utilizada para corregir este problema, la cual es el suavizado. El suavizado es la técnica mediante la cual se ajustan las probabilidades estimadas en el modelo. El uso de esta técnica produce distribuciones más uniformes, aumentando así la capacidad predictiva de los modelos. El contenido de este trabajo se divide en cinco capítulos, en el primero se realiza una revisión acerca de los modelos de lenguaje. En el segundo se expone la teoría de los modelos de n-gramas y de los algoritmos de suavizados para estos modelos. En el capítulo tres se estudian los modelos mixtos, los cuales son combinaciones del modelo de n-gramas con otros modelos mediante algún método. El capítulo cuatro muestra la descripción y resultados de los experimentos. Y por último, en el capítulo cinco se mencionan las conclusiones y se sugieren trabajos futuros.