희소 컨텍스트-상태 믿음 전파를 이용한 정확한 가변 차수 정규 제약 변수 순서 마르코프 생성

가변 차수 마르코프 모델은 유한 알파벳 위에서 시퀀스를 생성하며, 각 심볼을 생성된 히스토리의 가장 긴 사용 가능한 접미사에 조건화합니다. 반면에 정규 제약(Regular constraints)은 오토마타를 통해 유한 호라이즌(finite-horizon) 제어 요구사항을 설명합니다: 고정 위치, 강제 종료, 운율 패턴, 그리고 금지된 복사된 조각들이 모두 특수한 경우입니다. 기존의 정확한 방법들은 이미 1차 마르코프 체인에 대해 믿음 전파(belief propagation)를 이용해 정규 제약들을 처리합니다. 본 연구의 기여는 가변 차수 확장입니다: 생성기가 가변 차수/백오프 모델일 때, 기존 BP-정규 메커니즘을 실행해야 하는 상태 공간을 식별하는 것입니다. 1차 제약 레이어는 유용한 지원 조건(support conditions)을 강제할 수 있지만, 그것은 계산합니다

변환된 코퍼스를 저장합니다. 또한, 정확한 BP 추론(inference)을 생성 시간 백오프 정책(generation-time backoff policies), 예를 들어 싱글톤 회피(singleton avoidance)와 분리하며, 후자는 정확성을 주장하려면 확률적 의미론(stochastic semantics)이 명시되어야 합니다.