基于浅层句法分析的翻译模板自动获取研究
| 摘要 | 第1-5页 |
| Abstract | 第5-13页 |
| 第一章 引言 | 第13-17页 |
| ·自然语言处理与机器翻译综述 | 第13页 |
| ·机器翻译简介 | 第13-14页 |
| ·语料库与翻译模板 | 第14-15页 |
| ·本文的工作 | 第15-17页 |
| ·研究背景和目标 | 第15页 |
| ·正文组织 | 第15-17页 |
| 第二章 机器翻译技术概述 | 第17-29页 |
| ·机器翻译问题及其研究 | 第17-19页 |
| ·问题描述 | 第17-18页 |
| ·历史综述 | 第18-19页 |
| ·基于规则的机器翻译 | 第19-21页 |
| ·基于统计的机器翻译 | 第21-24页 |
| ·概述 | 第21-22页 |
| ·基于信源信道模型的统计机器翻译方法 | 第22页 |
| ·语言模型 | 第22-23页 |
| ·翻译模型 | 第23-24页 |
| ·解码算法 | 第24页 |
| ·基于实例的机器翻译 | 第24-25页 |
| ·机器翻译主流评测方法 | 第25-29页 |
| ·几个简单的机器翻译自动评价指标 | 第26页 |
| ·IBM的BLEU评价方法 | 第26-27页 |
| ·NIST评价 | 第27-29页 |
| 第三章 翻译模板及其研究意义 | 第29-38页 |
| ·EBMT | 第29-31页 |
| ·EBMT的基本原理 | 第29页 |
| ·EBMT的基本流程 | 第29-30页 |
| ·泛化的EBMT | 第30-31页 |
| ·翻译模板及其研究现状 | 第31-36页 |
| ·kaji的方法 | 第32-33页 |
| ·CMU的方法 | 第33-34页 |
| ·Bilkent的方法 | 第34页 |
| ·东北大学的方法 | 第34-35页 |
| ·厦门大学的实验 | 第35-36页 |
| ·定义层次 | 第36页 |
| ·本文的定义 | 第36-38页 |
| 第四章 翻译模板的抽取算法 | 第38-59页 |
| ·浅层句法分析综述 | 第38-41页 |
| ·浅层句法分析方法 | 第39页 |
| ·组块识别 | 第39-40页 |
| ·基本名词短语(BaseNP)识别 | 第40页 |
| ·CRF(条件随机场) | 第40-41页 |
| ·应用 | 第41-43页 |
| ·短语抽取方法 | 第43-44页 |
| ·模板抽取的难点 | 第44-45页 |
| ·关于分析深度 | 第44页 |
| ·关于框架结构 | 第44-45页 |
| ·模板抽取算法 | 第45-49页 |
| ·基于双语分析算法描述 | 第45-47页 |
| ·基于单语分析算法描述 | 第47-48页 |
| ·应用 | 第48-49页 |
| ·模板翻译概率 | 第49-50页 |
| ·句子级模板的抽取 | 第50页 |
| ·相关实验 | 第50-57页 |
| ·语料库及其预处理 | 第50-54页 |
| ·部分实验结果 | 第54页 |
| ·例子 | 第54-57页 |
| ·结果分析 | 第57-59页 |
| 第五章 翻译模板的存储与匹配 | 第59-63页 |
| ·模板库的存储组织 | 第59-60页 |
| ·句子级模板的存储和索引 | 第59-60页 |
| ·短语级模板的存储 | 第60页 |
| ·模板的匹配 | 第60-61页 |
| ·句子级模板的匹配 | 第61页 |
| ·短语级模板的匹配 | 第61页 |
| ·译文生成 | 第61-63页 |
| 第六章 基于模板的EBMT系统 | 第63-68页 |
| ·EBMT系统的类型 | 第63页 |
| ·EBMT系统的关键问题 | 第63-64页 |
| ·系统流程 | 第64-66页 |
| ·相关实验 | 第66-67页 |
| ·小结 | 第67-68页 |
| 第七章 总结与展望 | 第68-75页 |
| ·结论 | 第68页 |
| ·今后的工作方向 | 第68-75页 |
| 参考文献 | 第75页 |
| 攻读硕士学位期间发表论文 | 第75-77页 |
| 致谢 | 第77-79页 |
| 附录1 | 第79-81页 |
| 附录2 | 第81页 |
