层次短语模型的日语时态翻译研究
| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第12-17页 |
| 1.1 研究背景及意义 | 第12-13页 |
| 1.2 研究发展和现状 | 第13-16页 |
| 1.2.1 机器翻译发展历程 | 第13-14页 |
| 1.2.2 时态翻译研究现状 | 第14-15页 |
| 1.2.3 时态翻译问题 | 第15-16页 |
| 1.3 论文研究内容 | 第16-17页 |
| 2 统计机器翻译方法 | 第17-32页 |
| 2.1 系统模型 | 第17-20页 |
| 2.1.1 噪声信道模型 | 第17-18页 |
| 2.1.2 对数线性模型 | 第18-20页 |
| 2.2 翻译模型 | 第20-26页 |
| 2.2.1 基于词的翻译模型 | 第20-21页 |
| 2.2.2 基于短语的翻译模型 | 第21-22页 |
| 2.2.3 基于句法的翻译模型 | 第22-26页 |
| 2.3 译文评价方法 | 第26-30页 |
| 2.3.1 自动评测方法 | 第26-28页 |
| 2.3.2 人工评测方法 | 第28-30页 |
| 2.4 时态问题解决思路 | 第30-31页 |
| 2.5 本章小结 | 第31-32页 |
| 3 最大熵时态分类模型 | 第32-50页 |
| 3.1 时态的基本概念 | 第32-35页 |
| 3.1.1 时态的引入 | 第32页 |
| 3.1.2 日语时态表达 | 第32-34页 |
| 3.1.3 汉语时态表达 | 第34-35页 |
| 3.1.4 英语时态表达 | 第35页 |
| 3.2 双语时态分类 | 第35-37页 |
| 3.2.1 日汉时态分类 | 第35-36页 |
| 3.2.2 日英时态分类 | 第36-37页 |
| 3.3 基于最大熵的时态分类模型 | 第37-41页 |
| 3.3.1 最大熵模型概述 | 第37-38页 |
| 3.3.2 最大熵数学建模 | 第38-39页 |
| 3.3.3 时态分类预测 | 第39-41页 |
| 3.4 时态特征定义 | 第41-43页 |
| 3.4.1 依存树简介 | 第41-42页 |
| 3.4.2 日汉时态特征定义 | 第42-43页 |
| 3.4.3 日英时态特征定义 | 第43页 |
| 3.5 时态特征抽取 | 第43-49页 |
| 3.5.1 依存句法解析 | 第43-44页 |
| 3.5.2 双语时态特征抽取 | 第44-46页 |
| 3.5.3 规则时态特征抽取 | 第46-49页 |
| 3.6 本章小结 | 第49-50页 |
| 4 融合最大熵时态分类特征的层次短语模型 | 第50-58页 |
| 4.1 间题描述 | 第50-51页 |
| 4.2 层次短语翻译模型 | 第51-54页 |
| 4.2.1 模型描述 | 第51-52页 |
| 4.2.2 规则抽取 | 第52-53页 |
| 4.2.3 特征函数 | 第53页 |
| 4.2.4 解码方法 | 第53-54页 |
| 4.3 模型融合 | 第54-55页 |
| 4.4 系统框架 | 第55-57页 |
| 4.5 模型区别 | 第57页 |
| 4.6 本章小结 | 第57-58页 |
| 5 翻译系统实验与分析 | 第58-67页 |
| 5.1 实验设置 | 第58页 |
| 5.2 融合时态特征的日汉层次短语翻译实验 | 第58-62页 |
| 5.2.1 实验数据 | 第58-59页 |
| 5.2.2 实验评价方法 | 第59页 |
| 5.2.3 最大熵分类测试结果 | 第59-60页 |
| 5.2.4 翻译实验结果及分析 | 第60-62页 |
| 5.3 融合时态特征的日英层次短语翻译实验 | 第62-66页 |
| 5.3.1 实验数据 | 第62-63页 |
| 5.3.2 实验评价方法 | 第63页 |
| 5.3.3 最大熵分类测试结果 | 第63-64页 |
| 5.3.4 翻译实验结果及分析 | 第64-66页 |
| 5.4 本章小结 | 第66-67页 |
| 6 总结与展望 | 第67-69页 |
| 6.1 总结 | 第67页 |
| 6.2 展望 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 作者简历及攻读硕士学位期间取得的研究成果 | 第74-76页 |
| 学位论文数据集 | 第76页 |
