如果给定二元组的概率为0，如何找到二元组的困惑度

Question

给定计算二元组困惑度的公式（以及加 1 平滑的概率），

可能性

当句子中单词 per 的预测概率之一为 0 时，如何进行？

# just examples, don't mind the counts
corpus_bigram = {'<s> now': 2, 'now is': 1, 'is as': 6, 'as one': 1, 'one mordant': 1, 'mordant </s>': 5}
word_dict = {'<s>': 2, 'now': 1, 'is': 6, 'as': 1, 'one': 1, 'mordant': 5, '</s>': 5}

test_bigram = {'<s> now': 2, 'now <UNK>': 1, '<UNK> as': 6, 'as </s>': 5}

n = 1 # Add one smoothing
probabilities = {}
for bigram in test_bigram:
    if bigram in corpus_bigram:
        value = corpus_bigram[bigram]
        first_word = bigram.split()[0]
        probabilities[bigram] = (value + n) / (word_dict.get(first_word) + (n * len(word_dict)))
    else:
        probabilities[bigram] = 0 

例如，如果test_bigram的概率为

# Again just dummy probability values
probabilities = {{'<s> now': 0.35332322, 'now <UNK>': 0, '<UNK> as': 0, 'as </s>': 0.632782318}}

perplexity = 1
for key in probabilities:
    # when probabilities[key] == 0 ????
    perplexity = perplexity * (1 / probabilities[key])

N = len(sentence)
perplexity = pow(perplexity, 1 / N)

ZeroDivisionError：除以零

Answer 1

常见的解决方案是分配不会出现小概率的单词，例如1/N ，其中N是单词的总数。 因此，您假装数据中未出现的单词确实出现过一次； 这只会引入一个小错误，但会停止除以零。

所以在你的情况下， probabilities[bigram] = 1 / <sum of all bigram frequencies>