数据稀疏问题(data sparseness)

模式匹配： 这个模型最先是针对机器的模式识别而提出来的，后来被用来解释人的模式识别。它的核心思想是认 为在人的长时记忆中，贮存着许多各式各样的过去在生活中造成的外部模式的袖珍复本。这些袖珍复本即称做模板（Template)，它们与外部的模式有一对 一的对应关系；当一个刺激做用于人的感官时，刺激信息获得编码并与已贮存的各类模板进行比较，而后做出决定，看哪个模板与刺激有最佳的匹配，就把这个刺 激确认为与那个模板相同。这样，模式就获得识别了。因为每一个模板都与必定的意义及其余的信息相联系，受到识别的模式便获得解释或其余的加工。例如，当咱们 看一个字母A，视网膜接收的信息便传到大脑，刺激信息在脑中获得相应的编码，并与记忆中贮存的各式各样的模板进行比较；经过决策过程断定它与模板A有最佳 的匹配，因而字母A就获得识别；并且咱们还能够知道，它是英文字母表中的第一个字母，或是考试获得的最好的分数等等。因而可知，模式识别是一个一系列连续 阶段的信息加工过程。
[from: http://wenda.tianya.cn/wenda/thread?tid=495f4c692607eeeb]

数据稀疏问题( data sparseness)：指的是N元模型中,因为正确的词语搭配没有出如今训练集中而致使在处理过程当中出现零几率的现象。 [from: http://dict.youdao.com/search?q=retrived&ue=utf8&keyfrom=dict.index#le%3Deng%26q%3Ddata%2Bsparseness%26tab%3D%26keyfrom%3Ddict.top]