Aquesta tesi reuneix algunes contribucions al reconeiximent de formes
estadístic i més específicament a diverses tasques del
processament del llenguatge natural. Diverses tècniques
estadístiques ben conegudes són revisades en aquesta tesi: estimació
paramètrica, disseny de la funció de pèrdua i modelatge
estadístic. Les tècniques anteriors s'apliquen a diverses tasques del
processament del llenguatge natural com ara classificació de
documents, modelatge estadístic del llenguatge i traducció automàtica
estadística.

En relació amb l'estimació paramètrica, portem a cap el problema del
suavitzat proposant una tècnica d'estimació per màxima versemblança
amb domini restringit (CDMLE).  La tècnica CDMLE evita la
necessitat de l'etapa de suavitzat que afavoreix la pèrdua de les bones
propietats de l'estimador per màxima versemblança.  Aquesta tècnica
s'aplica a classificació de documents mitjançant el classificador
Naive Bayes. Més tard, la tècnica CDMLE s'exten a l'estimació per
màxima versemblança amb ``leaving-one-out'', i aleshores, s'aplica al
suavitzat de models de llenguatge. Els resultats obtinguts en diverses
tasques de modelat del llenguatge mostren una millora en perplexitat.

En el diseny de la funció de pèrdua, s'estudia cuidadosament el diseny
de funcions de pèrdua diferents a la 0-1. L'estudi es centra en
aquelles funcions de pèrdua que retenen una complexitat de
decodificació semblant a la funció 0-1 però proporcionant una
major flexibilitat.  Analitzem i presentem diverses funcions de pèrdua
en diverses tasques de traducció automàtica amb diversos models de
traducció. Tambè analitzem algunes regles de traducció que destaquen
per causes pràctiques com ara la regla de traducció directa; i axí
mateixa, s'aprofundeix en la comprensió dels models log-linear, que
son de fet casos particulars d'aquestes funcions de pèrdua.


Finalment, es proposen diversos models de traducció monòtons basats en
tècniques del modelatge estadístic ben conegudes. En primer lloc, es
proposa una extensió a la tècnida de GIATI per a inferir transductors
d'estats finits. Més tard, es proposa un model de traducció basat en
sequències de paraules i inspirat en els models ocults de Markov.  En
darrer lloc, es presenta un model de traducció basat en sequències de
paraules i en semi-models de Markov. Aquest darrer model produiex
millores en certes circumstàncies.