數據稀疏問題(data sparseness)

模式匹配： 這個模型最先是針對機器的模式識別而提出來的，後來被用來解釋人的模式識別。它的核心思想是認 爲在人的長時記憶中，貯存着許多各式各樣的過去在生活中造成的外部模式的袖珍複本。這些袖珍複本即稱做模板（Template)，它們與外部的模式有一對 一的對應關係；當一個刺激做用於人的感官時，刺激信息獲得編碼並與已貯存的各類模板進行比較，而後做出決定，看哪個模板與刺激有最佳的匹配，就把這個刺 激確認爲與那個模板相同。這樣，模式就獲得識別了。因爲每一個模板都與必定的意義及其餘的信息相聯繫，受到識別的模式便獲得解釋或其餘的加工。例如，當咱們 看一個字母A，視網膜接收的信息便傳到大腦，刺激信息在腦中獲得相應的編碼，並與記憶中貯存的各式各樣的模板進行比較；經過決策過程斷定它與模板A有最佳 的匹配，因而字母A就獲得識別；並且咱們還能夠知道，它是英文字母表中的第一個字母，或是考試獲得的最好的分數等等。因而可知，模式識別是一個一系列連續 階段的信息加工過程。
[from: http://wenda.tianya.cn/wenda/thread?tid=495f4c692607eeeb]

數據稀疏問題( data sparseness)：指的是N元模型中,因爲正確的詞語搭配沒有出如今訓練集中而致使在處理過程當中出現零機率的現象。 [from: http://dict.youdao.com/search?q=retrived&ue=utf8&keyfrom=dict.index#le%3Deng%26q%3Ddata%2Bsparseness%26tab%3D%26keyfrom%3Ddict.top]