Indução de gramática bayesiana para modelagem de linguagem

Descrevemos um algoritmo de indução baseado em corpus para gramáticas livres de contexto probabilísticas. O algoritmo emprega uma busca heurística gananciosa dentro de uma estrutura bayesiana, e um pós-processamento usando o algoritmo Inside-Outside. Comparamos o desempenho do nosso algoritmo com modelos de n-gramas e o algoritmo Inside-Outside em três tarefas de modelagem de linguagem. Em duas das tarefas, os dados de treinamento são gerados por uma gramática livre de contexto probabilística e, em ambas as tarefas, nosso algoritmo supera as outras técnicas. A terceira tarefa envolve dados naturalmente ocorrentes, e nesta tarefa nosso algoritmo não tem um desempenho tão bom quanto os modelos de n-gramas, mas supera em larga escala o algoritmo Inside-Outside.