| 中文摘要 | 第3-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第10-18页 |
| 1.1 研究目的和意义 | 第10页 |
| 1.2 国内外相关研究 | 第10-15页 |
| 1.2.1 错别字校对研究现状 | 第10-12页 |
| 1.2.2 机器翻译研究现状 | 第12-13页 |
| 1.2.3 神经网络研究现状 | 第13-15页 |
| 1.3 本文主要研究内容 | 第15-17页 |
| 1.4 本文的组织安排 | 第17-18页 |
| 第2章 基于汉字-拼音-汉字转换的近音错别字语料库构造 | 第18-35页 |
| 2.1 引言 | 第18-19页 |
| 2.2 人工近音错别字语料库构造系统框架 | 第19-21页 |
| 2.3 基于模糊拼音的错字候选集构造 | 第21-26页 |
| 2.3.1 音素资源库构造 | 第21-24页 |
| 2.3.2 拼音-汉字语料库构造 | 第24-25页 |
| 2.3.3 错字候选集构造 | 第25-26页 |
| 2.4 语言模型解码 | 第26-29页 |
| 2.4.1 N元语言模型 | 第26-27页 |
| 2.4.2 训练语言模型 | 第27-28页 |
| 2.4.3 错字候选解码 | 第28-29页 |
| 2.5 神经网络最大熵过滤 | 第29-32页 |
| 2.5.1 神经网络最大熵模型 | 第29-30页 |
| 2.5.2 正字-错字对过滤问题 | 第30-31页 |
| 2.5.3 神经网络最大熵特征选取 | 第31-32页 |
| 2.6 实验数据 | 第32-34页 |
| 2.6.1 模糊拼音策略 | 第32-33页 |
| 2.6.2 N元语言模型策略 | 第33页 |
| 2.6.3 神经网络最大熵过滤策略 | 第33-34页 |
| 2.7 本章小结 | 第34-35页 |
| 第3章 基于统计机器翻译的近音错别字校对 | 第35-49页 |
| 3.1 引言 | 第35-36页 |
| 3.2 基于统计机器翻译的近音错字校对系统框架 | 第36-37页 |
| 3.3 词对齐处理 | 第37-38页 |
| 3.4 错别字校对的语言模型 | 第38-39页 |
| 3.5 错别字校对的翻译模型 | 第39页 |
| 3.6 实验结果与分析 | 第39-48页 |
| 3.6.1 实验数据和评价指标 | 第40-41页 |
| 3.6.2 不同构造近音错别字语料库策略对近音错别字校对的影响 | 第41-46页 |
| 3.6.3 统计机器翻译模型本身对近音错别字校对的影响 | 第46-47页 |
| 3.6.4 实验对比 | 第47-48页 |
| 3.7 本章小结 | 第48-49页 |
| 第4章 基于神经网络的机器翻译近音错别字校对 | 第49-67页 |
| 4.1 引言 | 第49页 |
| 4.2 基于神经网络的机器翻译近音错别字校对系统框架 | 第49-52页 |
| 4.3 神经网络模型 | 第52-57页 |
| 4.3.1 循环神经网络模型 | 第52-55页 |
| 4.3.2 长短时记忆网络模型 | 第55-57页 |
| 4.4 基于神经网络的机器翻译模型校对近音错别字 | 第57-59页 |
| 4.4.1 基于神经网络机器翻译模型策略 | 第58页 |
| 4.4.2 统计机器翻译框架结合神经网络语言模型的策略 | 第58-59页 |
| 4.5 实验结果与分析 | 第59-66页 |
| 4.5.1 实验数据和评价指标 | 第59-60页 |
| 4.5.2 神经网络机器翻译模型的近音错别字校对参数优化 | 第60-61页 |
| 4.5.3 统计机器翻译框架结合神经网络语言模型的参数优化 | 第61-65页 |
| 4.5.4 不同校对方法的对比实验 | 第65-66页 |
| 4.6 本章小结 | 第66-67页 |
| 结论 | 第67-69页 |
| 参考文献 | 第69-74页 |
| 致谢 | 第74-75页 |
| 攻读硕士学位期间发表的学术论文及参加的科研项目 | 第75-76页 |
