基于用户反馈的统计机器翻译优化技术研究
| 摘要 | 第6-7页 |
| Abstract | 第7页 |
| 第1章 引言 | 第11-15页 |
| 1.1 研究背景与意义 | 第11-13页 |
| 1.1.1 研究背景 | 第11-13页 |
| 1.1.2 研究意义 | 第13页 |
| 1.2 本文主要工作 | 第13-14页 |
| 1.3 本文组织结构 | 第14-15页 |
| 第2章 相关研究 | 第15-21页 |
| 2.1 基于规则的学习方法 | 第15-17页 |
| 2.1.1 基于模板的匹配方法 | 第15-16页 |
| 2.1.2 基于翻译知识的匹配方法 | 第16-17页 |
| 2.2 机器学习的方法 | 第17-19页 |
| 2.2.1 译后编辑的学习方法 | 第17-18页 |
| 2.2.2 在线学习的方法 | 第18-19页 |
| 2.3 本章总结 | 第19-21页 |
| 第3章 用户置信度评价模型 | 第21-30页 |
| 3.1 用户置信度评价模型表示方法 | 第21页 |
| 3.2 特征 | 第21-24页 |
| 3.2.1 用户的基础特征 | 第22-23页 |
| 3.2.2 用户的翻译特征 | 第23-24页 |
| 3.3 用户置信度的评价函数 | 第24-25页 |
| 3.4 用户权重的设置 | 第25-26页 |
| 3.5 实验结果评价及分析 | 第26-29页 |
| 3.5.1 实验语料及评价指标 | 第26-28页 |
| 3.5.2 参数估计 | 第28页 |
| 3.5.3 实验结果及分析 | 第28-29页 |
| 3.6 本章小结 | 第29-30页 |
| 第4章 概率模型参数的优化 | 第30-39页 |
| 4.1 翻译概率模型优化的相关研究 | 第30-31页 |
| 4.2 基于用户反馈的翻译概率模型的框架 | 第31-32页 |
| 4.3 短语表参数的优化 | 第32-39页 |
| 4.3.1 在线学习的方法优化参数 | 第33-35页 |
| 4.3.2 短语表融合的方法优化参数 | 第35-39页 |
| 第5章 系统的设计与实现 | 第39-48页 |
| 5.1 系统设计 | 第39-42页 |
| 5.1.1 基于短语的机器翻译框架 | 第39-40页 |
| 5.1.2 基于用户反馈的短语机器翻译框架 | 第40-42页 |
| 5.2 实验结果评价及分析 | 第42-47页 |
| 5.2.1 实验数据 | 第42-43页 |
| 5.2.2 语料的预处理 | 第43-44页 |
| 5.2.3 实验结果分析 | 第44-47页 |
| 5.3 本章小结 | 第47-48页 |
| 结论 | 第48-50页 |
| 参考文献 | 第50-54页 |
| 致谢 | 第54-56页 |
| 攻读硕士期间发表（含录用）的学术论文 | 第56页 |
