| 摘要 | 第1-4页 |
| ABSTRACT | 第4-8页 |
| 第一章 引言 | 第8-13页 |
| ·概述 | 第8-11页 |
| ·研究背景 | 第8-9页 |
| ·国内外研究现状分析 | 第9-11页 |
| ·主要研究目标和内容 | 第11页 |
| ·研究目标 | 第11页 |
| ·研究内容 | 第11页 |
| ·论文组织结构 | 第11-13页 |
| 第二章 基于 Web 的双语平行语料库获取的总体架构 | 第13-16页 |
| ·基本流程 | 第13-14页 |
| ·任务分析与界定 | 第14-15页 |
| ·双语网站网页的下载 | 第14页 |
| ·网页的去噪 | 第14-15页 |
| ·双语平行网页获取 | 第15页 |
| ·本章小结 | 第15-16页 |
| 第三章 网页下载工具 | 第16-25页 |
| ·研究现状 | 第16-17页 |
| ·正常下载 | 第17-22页 |
| ·网页编码识别 | 第18-20页 |
| ·链接处理 | 第20-21页 |
| ·提高效率的方法 | 第21-22页 |
| ·附加功能介绍 | 第22-23页 |
| ·实验与分析 | 第23-24页 |
| ·秋秋网页下载器 | 第23-24页 |
| ·实验结果与分析 | 第24页 |
| ·本章小结 | 第24-25页 |
| 第四章 网页去噪 | 第25-38页 |
| ·相关研究 | 第25-26页 |
| ·系统介绍 | 第26-27页 |
| ·源码的预处理 | 第27-31页 |
| ·删除与网页布局无关的源码 | 第27-28页 |
| ·特殊字符的转换 | 第28页 |
| ·删除隐藏的源码 | 第28-29页 |
| ·处理网页链接 | 第29-31页 |
| ·源码的划分 | 第31-32页 |
| ·基础知识 | 第31页 |
| ·算法描述 | 第31-32页 |
| ·网页去噪 | 第32-37页 |
| ·算法描述 | 第33-34页 |
| ·实验设置 | 第34-37页 |
| ·本章小结 | 第37-38页 |
| 第五章 双语候选平行文本获取 | 第38-45页 |
| ·相关研究 | 第38-40页 |
| ·URL 匹配 | 第38-39页 |
| ·网页结构相似度 | 第39-40页 |
| ·获取候选平行文本对 | 第40-44页 |
| ·基于共现信息的方法 | 第40-42页 |
| ·基于文本长度的方法 | 第42-43页 |
| ·基于文本长度和共现信息的方法 | 第43-44页 |
| ·本章小结 | 第44-45页 |
| 第六章 双语平行文本识别 | 第45-51页 |
| ·相关研究 | 第45-46页 |
| ·基于双语网页内容互译性的特征 | 第45页 |
| ·句对齐翻译模型 | 第45-46页 |
| ·识别平行网页对 | 第46-49页 |
| ·基于词数比例的识别方法 | 第47页 |
| ·基于文本内容互译的识别方法 | 第47-48页 |
| ·SVM 分类器 | 第48-49页 |
| ·实验与分析 | 第49-50页 |
| ·数据描述与实验设置 | 第49页 |
| ·实验结果 | 第49-50页 |
| ·本章小结 | 第50-51页 |
| 第七章 汉维双语平行文本自动获取系统的实现 | 第51-54页 |
| ·主要进程介绍 | 第51-52页 |
| ·进程间的数据传递 | 第52页 |
| ·系统性能介绍 | 第52-53页 |
| ·本章小结 | 第53-54页 |
| 第八章 总结 | 第54-57页 |
| ·总结 | 第54-56页 |
| ·下一步工作 | 第56-57页 |
| 参考文献 | 第57-60页 |
| 附录一 主要汉维双语网站列表 | 第60-61页 |
| 附录二 全角半角转换表 | 第61-62页 |
| 附录三 可处理的网页文件类型 | 第62-63页 |
| 附录四 系统界面 | 第63-65页 |
| 研究生期间发表论文 | 第65-66页 |
| 致谢 | 第66页 |