| 摘要 | 第4-7页 |
| Abstract | 第7-9页 |
| 目录 | 第10-14页 |
| Contents | 第14-18页 |
| 第1章 绪论 | 第18-34页 |
| 1.1 课题背景及意义 | 第18-22页 |
| 1.1.1 研究背景 | 第18-20页 |
| 1.1.2 研究意义 | 第20-22页 |
| 1.2 相关研究综述 | 第22-28页 |
| 1.2.1 搭配获取研究综述 | 第22-24页 |
| 1.2.2 词对齐技术概述 | 第24-26页 |
| 1.2.3 机器翻译概述 | 第26-28页 |
| 1.3 尚存的问题 | 第28-31页 |
| 1.3.1 机器翻译尚存的问题 | 第28-30页 |
| 1.3.2 搭配相关问题 | 第30-31页 |
| 1.4 本文的研究内容及章节安排 | 第31-34页 |
| 第2章 基于单语词对齐的搭配自动获取 | 第34-57页 |
| 2.1 引言 | 第34-35页 |
| 2.2 搭配获取方法 | 第35-38页 |
| 2.2.1 相关性度量 | 第35-37页 |
| 2.2.2 语言信息的运用 | 第37-38页 |
| 2.2.3 基于双语词对齐的多词单元或习惯用语获取 | 第38页 |
| 2.2.4 中文搭配获取 | 第38页 |
| 2.3 单语词对齐的搭配获取方法 | 第38-44页 |
| 2.3.1 统计词对齐原理 | 第38-39页 |
| 2.3.2 单语词对齐 VS. 双语词对齐 | 第39-40页 |
| 2.3.3 基于单语词对齐的搭配抽取方法 | 第40-44页 |
| 2.4 实验及结果分析 | 第44-54页 |
| 2.4.1 实验设置 | 第44-45页 |
| 2.4.2 正确率评价 | 第45-46页 |
| 2.4.3 位置扭曲模型的作用 | 第46-49页 |
| 2.4.4 词汇繁殖度模型的作用 | 第49-50页 |
| 2.4.5 搭配跨度 | 第50-51页 |
| 2.4.6 人工评价 | 第51-54页 |
| 2.5 讨论 | 第54-56页 |
| 2.5.1 单语词对齐方法和相关性度量方法之间的区别 | 第54-55页 |
| 2.5.2 基于给定搭配参考集的精确率评价 | 第55-56页 |
| 2.6 本章小结 | 第56-57页 |
| 第3章 基于搭配信息的双语词对齐性能优化 | 第57-71页 |
| 3.1 引言 | 第57页 |
| 3.2 双语词对齐研究 | 第57-62页 |
| 3.2.1 双语统计词对齐技术 | 第57-60页 |
| 3.2.2 IBM 模型 | 第60-61页 |
| 3.2.3 双语词对齐与搭配 | 第61-62页 |
| 3.3 搭配概率的计算方法 | 第62-63页 |
| 3.4 双语词对齐方法的优化 | 第63-65页 |
| 3.4.1 提高 IBM 模型的性能 | 第63-64页 |
| 3.4.2 提高双向词对齐质量 | 第64-65页 |
| 3.5 实验及结果分析 | 第65-70页 |
| 3.5.1 实验设置 | 第65-66页 |
| 3.5.2 单向词对齐评价结果 | 第66-67页 |
| 3.5.3 双向词对齐评价结果 | 第67-68页 |
| 3.5.4 提高机器翻译性能 | 第68-70页 |
| 3.6 本章小结 | 第70-71页 |
| 第4章 基于搭配信息改善翻译模型的性能 | 第71-83页 |
| 4.1 引言 | 第71页 |
| 4.2 短语评价与匹配 | 第71-74页 |
| 4.2.1 短语评价 | 第72-73页 |
| 4.2.2 短语匹配 | 第73-74页 |
| 4.3 利用统计搭配模型提高基于短语的统计机器翻译质量 | 第74-76页 |
| 4.3.1 提高短语模型质量 | 第74-76页 |
| 4.3.2 提高短语与待翻译句子匹配能力 | 第76页 |
| 4.4 实验及结果分析 | 第76-82页 |
| 4.4.1 实验设置 | 第76-78页 |
| 4.4.2 假设验证 | 第78-79页 |
| 4.4.3 实验结果 | 第79-82页 |
| 4.5 本章小结 | 第82-83页 |
| 第5章 基于搭配信息改进译文调序性能 | 第83-96页 |
| 5.1 引言 | 第83-84页 |
| 5.2 统计调序模型 | 第84-85页 |
| 5.3 基于源语言搭配的调序模型 | 第85-87页 |
| 5.3.1 调序概率的估计 | 第85-86页 |
| 5.3.2 译文调序得分的计算 | 第86-87页 |
| 5.3.3 译文调序模型的应用 | 第87页 |
| 5.4 实验及结果分析 | 第87-92页 |
| 5.4.1 调序模型的实现 | 第87-88页 |
| 5.4.2 实验设置 | 第88-89页 |
| 5.4.3 译文评价结果 | 第89-92页 |
| 5.5 基于同现词对的调序方法 | 第92-95页 |
| 5.5.1 同现词对调序模型 | 第92-93页 |
| 5.5.2 实验结果 | 第93页 |
| 5.5.3 结果分析 | 第93-95页 |
| 5.6 本章小结 | 第95-96页 |
| 第6章 利用搭配信息改进基于实例机器翻译的性能 | 第96-113页 |
| 6.1 引言 | 第96页 |
| 6.2 基于实例的机器翻译方法 | 第96-100页 |
| 6.2.1 翻译实例选择 | 第97-98页 |
| 6.2.2 译文选择 | 第98-99页 |
| 6.2.3 搭配一致 | 第99-100页 |
| 6.3 利用统计搭配模型提高 EBMT 译文质量 | 第100-105页 |
| 6.3.1 翻译实例选择算法 | 第100-102页 |
| 6.3.2 译文选择算法 | 第102-104页 |
| 6.3.3 搭配词选择算法 | 第104页 |
| 6.3.4 译文排序 | 第104-105页 |
| 6.4 实验及结果分析 | 第105-111页 |
| 6.4.1 实验设置 | 第105-106页 |
| 6.4.2 基于词的 EBMT 系统 | 第106-108页 |
| 6.4.3 半结构化的 EBMT 系统 | 第108-109页 |
| 6.4.4 EBMT 系统与 SMT 系统的比较 | 第109-110页 |
| 6.4.5 人工评价 | 第110-111页 |
| 6.5 本章小结 | 第111-113页 |
| 结论 | 第113-115页 |
| 参考文献 | 第115-126页 |
| 攻读博士学位期间发表的论文 | 第126-128页 |
| 致谢 | 第128-130页 |
| 个人简历 | 第130-132页 |
