融合文档信息的机器翻译自动评价研究
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-14页 |
| ·研究背景和意义 | 第10-12页 |
| ·本文主要工作 | 第12页 |
| ·文章组织结构 | 第12-14页 |
| 第二章 机器翻译自动评价研究现状 | 第14-27页 |
| ·基于语言学检测点的方法 | 第14-15页 |
| ·基于字符串相似度的方法 | 第15-19页 |
| ·基于距离的方法 | 第15-16页 |
| ·基于n元语法的方法 | 第16-17页 |
| ·基于词对齐的方法 | 第17-18页 |
| ·小结 | 第18-19页 |
| ·机器学习方法 | 第19-21页 |
| ·自动评价中常用的机器学习方法 | 第19页 |
| ·机器学习在混合多种评价方法中的应用 | 第19-20页 |
| ·机器学习在综合多个特征中的应用 | 第20-21页 |
| ·参考译文对评价的影响 | 第21-23页 |
| ·无参考译文的评价 | 第21-22页 |
| ·扩展参考译文 | 第22-23页 |
| ·自动评价方法的评测比较和分析 | 第23-26页 |
| ·WMT | 第23-25页 |
| ·MetricsMATR | 第25页 |
| ·评测小结 | 第25-26页 |
| ·本章小结 | 第26-27页 |
| 第三章 基于短语的自动评价方法—PBE | 第27-35页 |
| ·概述 | 第27-28页 |
| ·短语在评价中的使用现状 | 第28-29页 |
| ·PBE评价方法框架 | 第29-34页 |
| ·基于WordNet的短语相似度 | 第30-32页 |
| ·短语权重 | 第32-33页 |
| ·最大相似度匹配 | 第33-34页 |
| ·本章小结 | 第34-35页 |
| 第四章 主题模型和词汇衔接在评价中的应用 | 第35-47页 |
| ·文档级机器翻译评价概述 | 第35-36页 |
| ·文档主题模型在PBE中的应用 | 第36-40页 |
| ·主题模型简介 | 第36-38页 |
| ·融合主题模型的短语相似度的设计 | 第38-39页 |
| ·联合主题模型的短语权重的设计 | 第39-40页 |
| ·文档词汇衔接在评价中的应用 | 第40-46页 |
| ·词汇衔接评价—LC的介绍 | 第41-42页 |
| ·带权重的词汇衔接评价—WLC和pos-WLC | 第42-45页 |
| ·词汇衔接与传统评价方法的联合框架 | 第45-46页 |
| ·本章小结 | 第46-47页 |
| 第五章 实验结果与分析 | 第47-65页 |
| ·数据准备 | 第47-48页 |
| ·PBE评价方法的实验 | 第48-51页 |
| ·短语选择 | 第48-49页 |
| ·最大相似度匹配的分析 | 第49-50页 |
| ·PBE与传统评价方法的对比实验 | 第50-51页 |
| ·联合PBE和主题模型的相关实验 | 第51-53页 |
| ·主题数量的确定 | 第52页 |
| ·联合主题信息的PBE性能 | 第52-53页 |
| ·词汇衔接评价独立和联合使用的实验 | 第53-58页 |
| ·词汇衔接评价独立使用的实验结果 | 第54-55页 |
| ·词汇衔接评价与其它评价的联合使用实验 | 第55-58页 |
| ·评价方法在新数据上的健壮性分析 | 第58-63页 |
| ·PBE在MTC4上的实验结果 | 第58-60页 |
| ·基于主题的PBE在MTC4上的适应性 | 第60-61页 |
| ·词汇衔接及其融合在MTC4上的实验结果 | 第61-63页 |
| ·本章小结 | 第63-65页 |
| 第六章 总结与展望 | 第65-67页 |
| ·总结 | 第65-66页 |
| ·展望 | 第66-67页 |
| 参考文献 | 第67-77页 |
| 攻读硕士学位期间发表的论文 | 第77-78页 |
| 致谢 | 第78-80页 |
