因此，计算语言学界一般采用信息论的方法，根据统计语言模型在测试文本（Test Text）上的交叉嫡（Cross Entropy）或迷惑度（Perplexity），对统计语言模型进行评价。 对于某个统计语言模型M，给定一个测试文本T。
基于96个网页-相关网页
standardized test text 标准测试电文
text string test 正文字符串测试
Text Mode Color Test 文字模式彩色测试
text for test 测试用本文
Text Mode Pages Test 文字模式页面测试
Text Mode Character Test 文字模式字元测试
typing text test 文字录入测试
dynamic-text test system 动态文本测试系统
Dharma Text Memorizing Test 佛经背诵测验
With the classified machine of trained by SVM study mold classifies the test text.
用SVM学习模块的训练得分类器对测试文本进行分类。
参考来源 - 基于SVM的中文文本分类系统的研究与实现·2,447,543篇论文数据，部分数据来源于NoteExpress
Improper use of node test text .
错误使用节点测试text 。
Description: For a test text field.
description：适用于测试文本字段。
The theoretical analysis and experiments all show that the model not only is lower than trigram model in PP (perplexity), but also is superior to trigram model in dependence on test text domain.
理论分析和实验均表明：该模型不仅复杂度低于三元文法模型，而且对测试文本域的依赖性也优于前者。
应用推荐