机器翻译系统中英语从句的识别研究
| 中文摘要 | 第1-5页 |
| ABSTRACT | 第5-6页 |
| 目录 | 第6-9页 |
| 表目录 | 第9-10页 |
| 图目录 | 第10-11页 |
| 第一章 绪论 | 第11-18页 |
| ·课题背景及意义 | 第11-12页 |
| ·机器翻译简介 | 第12-13页 |
| ·浅层句法分析技术 | 第13-14页 |
| ·从句识别技术 | 第14-15页 |
| ·分类技术 | 第15-16页 |
| ·最大熵原理 | 第15页 |
| ·集成学习理论 | 第15-16页 |
| ·本文的主要研究内容 | 第16-18页 |
| 第二章 从句识别技术 | 第18-24页 |
| ·从句及相关术语的定义 | 第18-19页 |
| ·从句识别的方法 | 第19-20页 |
| ·从句识别中的问题 | 第20-21页 |
| ·本文中的从句识别 | 第21-23页 |
| ·小结 | 第23-24页 |
| 第三章 从句识别中的特征选择与特征表示 | 第24-30页 |
| ·Xavier采用的特征 | 第24页 |
| ·本文的特征 | 第24-28页 |
| ·词汇特征 | 第24-26页 |
| ·句子特征 | 第26-28页 |
| ·特征表示 | 第28-29页 |
| ·小结 | 第29-30页 |
| 第四章 基于最大熵原理的从句识别 | 第30-46页 |
| ·最大熵基本原理 | 第30-35页 |
| ·引例 | 第30-31页 |
| ·最大熵原理 | 第31-33页 |
| ·迭代算法 | 第33-34页 |
| ·最大熵的解的性质及证明 | 第34-35页 |
| ·基于最大熵原理的从句识别模型 | 第35-42页 |
| ·从句句首识别 | 第35-37页 |
| ·从句句尾识别 | 第37-38页 |
| ·完整从句识别 | 第38-42页 |
| ·最大熵模型的平滑问题 | 第42-44页 |
| ·模型实现中的注意问题 | 第44页 |
| ·小结 | 第44-46页 |
| 第五章 基于集成理论的从句识别 | 第46-53页 |
| ·集成学习理论相关知识 | 第46-48页 |
| ·集成学习的思想 | 第46-47页 |
| ·集成学习主要解决的问题 | 第47页 |
| ·多分类器集成的体系结构 | 第47-48页 |
| ·Bagging算法介绍 | 第48-50页 |
| ·Bootstrap简介 | 第48-49页 |
| ·Bagging算法 | 第49-50页 |
| ·改进的 Bagging算法 | 第50-51页 |
| ·基于集成理论从句识别 | 第51-52页 |
| ·性能分析 | 第52-53页 |
| ·偏见-偏差理论 | 第52页 |
| ·样本集规模和分类器个数 | 第52-53页 |
| 第六章 实验及结果分析 | 第53-62页 |
| ·底线标准和语料库 | 第53页 |
| ·底线标准 | 第53页 |
| ·语料库 | 第53页 |
| ·评价参数 | 第53页 |
| ·特征实验 | 第53-54页 |
| ·样本选择实验 | 第54-55页 |
| ·平滑实验 | 第55-56页 |
| ·基于最大熵原理的从句识别结果及分析 | 第56-59页 |
| ·基于集成学习理论的从句识别结果及分析 | 第59-62页 |
| 结束语 | 第62-64页 |
| 致谢 | 第64-65页 |
| 参考文献 | 第65-69页 |
| 作者在学期间取得的学术成果 | 第69-70页 |
| 附录A Penn Treebank词性标注集 | 第70-72页 |
| 附录B Penn Treebank短语标注集 | 第72页 |
