| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 通用符号列表 | 第8-16页 |
| 第1章 绪论 | 第16-35页 |
| 1.1 统计机器翻译概述 | 第16-21页 |
| 1.1.1 统计翻译模型 | 第16-20页 |
| 1.1.2 统计机器翻译系统 | 第20-21页 |
| 1.2 翻译模型判别式训练 | 第21-24页 |
| 1.2.1 判别式训练的研究意义和动机 | 第21-23页 |
| 1.2.2 判别式训练的难点 | 第23-24页 |
| 1.3 判别式训练的文献综述 | 第24-30页 |
| 1.3.1 基于似然函数的方法 | 第24-25页 |
| 1.3.2 基于错误率的方法 | 第25-28页 |
| 1.3.3 可扩展的方法 | 第28-30页 |
| 1.4 本文研究内容及组织结构 | 第30-35页 |
| 1.4.1 研究内容 | 第30-32页 |
| 1.4.2 组织结构 | 第32-35页 |
| 第2章 基于极端保守更新的最小期望错误率训练 | 第35-52页 |
| 2.1 引言 | 第35-36页 |
| 2.2 最小错误率训练方法 | 第36-40页 |
| 2.3 基于极端保守更新的期望错误 | 第40-44页 |
| 2.3.1 基于极端保守更新的错误率 | 第41页 |
| 2.3.2 期望错误率 | 第41-42页 |
| 2.3.3 基于投影的距离度量 | 第42-43页 |
| 2.3.4 句子级的错误率度量 | 第43-44页 |
| 2.4 训练方法及其算法 | 第44-45页 |
| 2.4.1 投影梯度下降算法 | 第44-45页 |
| 2.4.2 基于 EEBUU 的训练算法 | 第45页 |
| 2.5 实验 | 第45-50页 |
| 2.5.1 中英翻译任务 | 第46-49页 |
| 2.5.2 西英翻译任务 | 第49-50页 |
| 2.6 相关工作 | 第50-51页 |
| 2.7 本章小节 | 第51-52页 |
| 第3章 基于在线特征重组的大规模特征翻译模型的训练方法 | 第52-71页 |
| 3.1 引言 | 第52-54页 |
| 3.2 基线训练方法 | 第54-57页 |
| 3.2.1 基于排序的训练方法 | 第54-55页 |
| 3.2.2 L1正则的排序训练方法 | 第55-57页 |
| 3.3 基于特征重组的翻译模型训练方法 | 第57-59页 |
| 3.4 在线特征重组 | 第59-61页 |
| 3.5 特征组块优化 | 第61-64页 |
| 3.6 实验 | 第64-68页 |
| 3.6.1 实验设置 | 第64-65页 |
| 3.6.2 对比实验及结果 | 第65-68页 |
| 3.7 相关工作 | 第68-70页 |
| 3.8 本章小结 | 第70-71页 |
| 第4章 统计机器翻译中对数线性模型的局部训练方法 | 第71-95页 |
| 4.1 引言 | 第71-73页 |
| 4.2 基于对数线性翻译模型的全局训练方法介绍 | 第73-75页 |
| 4.2.1 基于对数线性的翻译模型 | 第73页 |
| 4.2.2 全局训练方法 | 第73-75页 |
| 4.3 统计机器翻译的局部训练和测试 | 第75-77页 |
| 4.4 训练实例的获取 | 第77-78页 |
| 4.4.1 检索度量 | 第77-78页 |
| 4.4.2 并行检索 | 第78页 |
| 4.5 基于极端保守更新的增量式训练方法 | 第78-81页 |
| 4.5.1 基于边缘的极端保守更新 | 第79-80页 |
| 4.5.2 基于期望错误率的极端保守更新 | 第80-81页 |
| 4.6 局部方法与线性模型和非线性模型的关系 | 第81-82页 |
| 4.7 实验 | 第82-93页 |
| 4.7.1 中规模实验数据准备 | 第82-83页 |
| 4.7.2 系统的设置 | 第83-84页 |
| 4.7.3 运行时间 | 第84-85页 |
| 4.7.4 结果和分析 | 第85-92页 |
| 4.7.5 可扩展性 | 第92-93页 |
| 4.8 相关工作 | 第93-94页 |
| 4.9 本章小结 | 第94-95页 |
| 第5章 基于可加型神经网络的统计机器翻译模型及其判别式训练 | 第95-116页 |
| 5.1 引言 | 第95-97页 |
| 5.2 基于对数线性模型的翻译 | 第97-99页 |
| 5.2.1 对数线性翻译模型 | 第97页 |
| 5.2.2 基于搜索的高效解码 | 第97-99页 |
| 5.3 可加型神经网络 | 第99-104页 |
| 5.3.1 动机 | 第99-101页 |
| 5.3.2 定义 | 第101-103页 |
| 5.3.3 词嵌入特征 | 第103-104页 |
| 5.3.4 AdNN 模型的解码 | 第104页 |
| 5.4 可加型神经网络的判别式训练 | 第104-108页 |
| 5.4.1 训练目标 | 第104-105页 |
| 5.4.2 优化算法 | 第105-107页 |
| 5.4.3 Pre-Training 和 Post-Training | 第107页 |
| 5.4.4 训练算法 | 第107-108页 |
| 5.5 实验 | 第108-114页 |
| 5.5.1 中英翻译任务 | 第108-112页 |
| 5.5.2 日英翻译任务 | 第112-114页 |
| 5.6 相关工作 | 第114页 |
| 5.7 本章小结 | 第114-116页 |
| 结论 | 第116-119页 |
| 参考文献 | 第119-132页 |
| 攻读博士学位期间所发表的论文 | 第132-134页 |
| 致谢 | 第134-135页 |
| 个人简历 | 第135页 |
