| 摘要 | 第1-7页 |
| ABSTRACT | 第7-8页 |
| 第一章 引言 | 第8-19页 |
| ·未登录词翻译简介 | 第8-9页 |
| ·未登录词翻译方法概览 | 第9-15页 |
| ·基于语料的翻译方法 | 第9-10页 |
| ·基于音译的翻译方法 | 第10-11页 |
| ·基于Web的翻译 | 第11-15页 |
| ·关键问题讨论 | 第15-17页 |
| ·未登录词识别(抽取) | 第15-16页 |
| ·翻译结果评估 | 第16-17页 |
| ·本文研究工作概述 | 第17-18页 |
| ·本文的组织结构 | 第18-19页 |
| 第二章 基于PAT-TREE的汉语关键词抽取 | 第19-25页 |
| ·PAT-TREE简介 | 第19-20页 |
| ·基于PAT-TREE的汉语关键词抽取 | 第20-21页 |
| ·噪声过滤算法 | 第21-23页 |
| ·局部最大化算法(Local Maxima Algorithm) | 第21-22页 |
| ·上下文依赖测度(Context Degree Measure) | 第22页 |
| ·α阈值算法 | 第22-23页 |
| ·基于PAT-TREE的网页摘要集关键词抽取 | 第23-24页 |
| ·基于HASH统计的英语抽词 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第三章 翻译对特征表示与分析 | 第25-32页 |
| ·翻译对特征概述 | 第25-28页 |
| ·局部特征 | 第25-26页 |
| ·全局特征 | 第26-28页 |
| ·布尔特征 | 第28页 |
| ·基于SVM的特征贡献分析 | 第28-31页 |
| ·SVM分类理论 | 第28-30页 |
| ·基于支持向量机的特征分析 | 第30-31页 |
| ·本章小结 | 第31-32页 |
| 第四章 基于有监督学习的翻译候选排序 | 第32-38页 |
| ·有监督回归学习的SVM和RANKING SVM排序模型 | 第32-34页 |
| ·支持向量回归学习理论 | 第32-33页 |
| ·SVM回归学习在翻译候选词排序中的应用 | 第33-34页 |
| ·排序算法流程 | 第34页 |
| ·基于ME的排序算法流程 | 第34-35页 |
| ·SVM和ME的优缺点分析 | 第35-37页 |
| ·支持向量机的优缺点 | 第35-36页 |
| ·最大熵算法的优缺点 | 第36-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 系统实现及实验 | 第38-57页 |
| ·未登录词翻译系统 | 第38页 |
| ·HTMLPARSER模块 | 第38-40页 |
| ·HTMLparser的功能和结构 | 第38-39页 |
| ·HTMLparser访问页面算法 | 第39-40页 |
| ·基于LIBSVM的分类及回归学习模块 | 第40-41页 |
| ·LIBSVM使用方法 | 第40-41页 |
| ·特征分析实验 | 第41-48页 |
| ·人名实验 | 第41-43页 |
| ·地名实验 | 第43-44页 |
| ·机构名实验 | 第44-46页 |
| ·基于SVM的特征分析实验 | 第46-48页 |
| ·预处理模块及实验 | 第48-50页 |
| ·翻译实验预处理 | 第48页 |
| ·预处理实验 | 第48-50页 |
| ·未登录词翻译及排序实验 | 第50-55页 |
| ·数据集 | 第50页 |
| ·评价标准 | 第50-51页 |
| ·汉英未登录词翻译实验 | 第51-52页 |
| ·英汉未登录词翻译实验 | 第52-53页 |
| ·基于SVM和Ranking-SVM的排序实验 | 第53-55页 |
| ·实验结果分析 | 第55-56页 |
| ·本章小结 | 第56-57页 |
| 第六章 总结与展望 | 第57-59页 |
| ·总结 | 第57页 |
| ·未来研究内容 | 第57-59页 |
| 参考文献 | 第59-62页 |
| 攻读学位期间参加的科研项目与发表的论文 | 第62-63页 |
| 致谢 | 第63-64页 |
