SRILM使用指南_srilm使用手册

1. 计算语言模型在测试文本上的混淆度

ngram -ppl test.txt -order 3 -lm model.3.arpa -debuge 2 >　test.ppl
# -ppl 要测试的文本
# -order 语言模型的阶数，上面表示测试3-gram模型。
1
2
3

2. 根据语言模型在测试文本上的混淆度计算最佳混合比例

compute-best-mix lambda="0.4,0.4,0.2"  A_corpus.ppl  B_corpus.ppl  C_corpus.ppl
# lambda 后面是各个模型的初识化比例
1
2

3. 按指定比例合并语言模型

ngram -lm model1.3.arpa -order 3 -mix-lm model2.3.arpa -lambda 0.8 -write-lm model_all.3.arpa
#  -mix-lm 用于插值的第二个ngram模型，-lm是第一个ngram模型
#  -lambda 主模型（-lm对应模型）的插值比例，0~1，默认是0.5
#  -mix-lm2 用于插值的第三个模型
#  -mix-lambda2 用于插值的第二个模型（-mix-lm对应的模型）的比例，那么第二个模型的比例为1-lambda-mix-lambda2
#  以此类推可以差值第三个模型
1
2
3
4
5
6

参考：
[1] 语言模型srilm（一） 基本用法 [CSDN]
[2] 合并语言模型时，如何得到比较合理的插值系数 [CSDN]