基于统计的机器翻译研究及应用
| 摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 1 绪论 | 第9-13页 |
| 1.1 研究背景 | 第9-10页 |
| 1.1.1 机器翻译的起源和发展 | 第9页 |
| 1.1.2 机器翻译的研究现状 | 第9-10页 |
| 1.2 研究意义 | 第10-12页 |
| 1.2.1 机器翻译的需求 | 第10-11页 |
| 1.2.2 机器翻译的研究价值 | 第11-12页 |
| 1.3 主要研究内容 | 第12-13页 |
| 2 机器翻译相关理论 | 第13-23页 |
| 2.1 机器翻译概述 | 第13-15页 |
| 2.1.1 基于规则的机器翻译 | 第13-14页 |
| 2.1.2 基于语料库的机器翻译 | 第14-15页 |
| 2.2 统计机器翻译方法 | 第15-17页 |
| 2.2.1 基于信源信道模型的统计机器翻译 | 第15页 |
| 2.2.2 基于平行概率语法的统计机器翻译 | 第15-16页 |
| 2.2.3 对数线性模型统计机器翻译 | 第16-17页 |
| 2.3 统计机器翻译中的模型 | 第17-21页 |
| 2.3.1 语言模型 | 第17页 |
| 2.3.2 IBM翻译模型 | 第17-19页 |
| 2.3.3 调序模型 | 第19-21页 |
| 2.4 机器翻译的自动评测 | 第21-23页 |
| 2.4.1 BLEU评测 | 第21-22页 |
| 2.4.2 NIST评测 | 第22-23页 |
| 3 基于短语的统计机器翻译系统构建 | 第23-34页 |
| 3.1 短语翻译系统框架 | 第23页 |
| 3.2 语料库 | 第23-25页 |
| 3.2.1 双语平行语料库 | 第24-25页 |
| 3.2.2 训练语料库格式定义 | 第25页 |
| 3.3 翻译训练语料预处理 | 第25-27页 |
| 3.3.1 分词 | 第25-26页 |
| 3.3.2 专名识别 | 第26页 |
| 3.3.3 专名翻译 | 第26-27页 |
| 3.4 翻译模型训练 | 第27-32页 |
| 3.4.1 词对齐训练 | 第27-28页 |
| 3.4.2 双向对齐 | 第28-29页 |
| 3.4.3 短语抽取 | 第29-32页 |
| 3.5 语言模型训练 | 第32-34页 |
| 3.5.1 语言模型概述 | 第32页 |
| 3.5.2 语言模型训练工具SRILM | 第32-33页 |
| 3.5.3 语言模型训练过程 | 第33-34页 |
| 4 基于栈的柱式搜索解码过程 | 第34-43页 |
| 4.1 翻译过程 | 第35-39页 |
| 4.1.1 获取翻译选项 | 第35-36页 |
| 4.1.2 计算未来概率 | 第36-37页 |
| 4.1.3 柱式搜索 | 第37-38页 |
| 4.1.4 产生译文 | 第38-39页 |
| 4.2 剪枝策略 | 第39-40页 |
| 4.2.1 柱状图剪枝 | 第39页 |
| 4.2.2 立方剪枝 | 第39页 |
| 4.2.3 动态剪枝 | 第39-40页 |
| 4.3 系统测试 | 第40-43页 |
| 4.3.1 系统功能测试 | 第40-41页 |
| 4.3.2 系统性能测试 | 第41-43页 |
| 5 结论 | 第43-45页 |
| 5.1 主要研究工作总结 | 第43页 |
| 5.2 下一步研究工作展望 | 第43-45页 |
| 参考文献 | 第45-47页 |
| 致谢 | 第47-49页 |
