评估语言识别方法

Question

我的论文工作的一部分是评估已经可用的语言检测方法的数量，然后最终实现它们。 为此，我选择了以下方法，

1. Cavnar和Trenkle的基于N-Gram的文本分类
2. Ted Dunning的语言统计识别
3. 使用基于压缩的语言模型进行Teahan和Harper的文本分类
4. 字符集检测
5. 语言/编码检测的复合方法

我必须首先评估这些方法，并且最好为每种方法提供一个准确的表格。我的问题是，为了找到每种方法的准确性，我是否需要继续使用训练数据构建语言模型，然后测试它们并记录准确性，或者我可以遵循其他任何方法。虽然大多数研究已经包含了这些准确性表格，但我不确定在我的教育中是否接受它只是抓住它并在报告中出现。

感谢对此的任何想法。

Answer 1

我还建议问你的论文顾问。实现所有这些将是很多工作，并且很难真正比较它们而不能测试它们。如果我没记错的话，最后三个文献在文献中没有得到很好的评价，那么就很难比较它们的结果。我自己实现（并评估过）第一个。一个很大的问题是，这篇LI评估和实施的论文有多大？