论文部分内容阅读
目前，一些主流的判别学习算法只能优化光滑可导的损失函数，但在自然语言处理（natural language processing，简称NLP）中，很多应用的直接评价标准（如字符转换错误数（character error rate，简称CER））都是不可导的阶梯形函数．为解决此问题，研究了一种新提出的判别学习算法——最小化样本风险（minimum samplerisk，简称MSR）算法．与其他判别训练算法不同，MSR算法直接使用阶梯形函数作为其损失函数．首先，对MSR算法的时空复杂性作了分析和提高；同时，提