US2021383072(IBM [US])
[0004] Many different classes of machine learning algorithms have been applied to NLP tasks.
【０００４】
多くの異なる部類の機械学習アルゴリズムがＮＬＰタスクに適用されている。
These algorithms take as input a large set of “features” that are generated from the input data.
それらのアルゴリズムは、入力データから生成される「特徴」の大きなセットを入力とする。
Some of the earliest-used algorithms, such as decision trees, produced systems of hard if-then rules similar to the systems of hand-written rules that were then common.
決定木などの最も初期に使用されていたアルゴリズムの一部は、その当時に一般的であった手作業で書かれた規則の体系と同様の硬判定の（hard）ｉｆ－ｔｈｅｎ規則の体系を生成していた。
Increasingly, however, research has focused on statistical models, which make soft, probabilistic decisions based on attaching real-valued weights to each input feature.
しかし、次第に、研究は、実数値の重みを各入力特徴に付加することに基づいて確率的な軟判定を行う統計的モデルに着目するようになった。
US2023134051(VIASAT INC [US])
For example, the decoder 484 can send metrics about (a) hard decisions (e.g., whether decoding a burst was successful or not), or (b) soft decisions (e.g., log-likelihood ratios),
例えば、デコーダ４８４は、（ａ）硬判定（例えば、バーストの復号が成功したか否か）、又は（ｂ）軟判定（例えば、対数尤度比）に関するメトリックを送信することができ、
which can provide the second burst detector 486 additional information about the burst that was not available before the decoding operation.
これにより、復号動作前には利用できなかったバーストに関する追加情報を第２のバースト検出器４８６に提供することができる。
