摘要 | 第4-6页 |
Abstract | 第6-7页 |
第1章 绪论 | 第10-19页 |
1.1 本文研究的目的和意义 | 第10-11页 |
1.2 国内外研究现状 | 第11-16页 |
1.2.1 系统融合研究现状 | 第11-15页 |
1.2.2 WMT 系统融合评测 | 第15-16页 |
1.3 本文的主要研究内容 | 第16-17页 |
1.4 论文的组织结构 | 第17-19页 |
第2章 系统融合性能影响因素分析 | 第19-33页 |
2.1 引言 | 第19页 |
2.2 远景得分定义及计算方法 | 第19-21页 |
2.2.1 远景得分的定义 | 第19-20页 |
2.2.2 远景得分的计算方法 | 第20-21页 |
2.3 候选系统数量对融合性能的影响 | 第21-23页 |
2.3.1 远景得分变化趋势的计算方法 | 第21页 |
2.3.2 实验结果及分析 | 第21-23页 |
2.4 数据来源对远景得分影响分析 | 第23-30页 |
2.5 融合方法对融合性能影响分析 | 第30-31页 |
2.6 本章小结 | 第31-33页 |
第3章 基于排序学习的融合输入选择 | 第33-49页 |
3.1 引言 | 第33页 |
3.2 排序学习算法 | 第33-39页 |
3.2.1 基于 pair-wise 分类的列表排序 | 第34-35页 |
3.2.2 分类算法 | 第35-39页 |
3.3 系统融合候选排序 | 第39-44页 |
3.3.1 特征抽取 | 第39-41页 |
3.3.2 实验数据设置 | 第41页 |
3.3.3 排序结果及分析 | 第41-43页 |
3.3.4 排序特征分析 | 第43-44页 |
3.4 使用输入排序的系统融合 | 第44-48页 |
3.4.1 使用输入排序的句子级别系统融合 | 第44-46页 |
3.4.2 使用输入排序的词汇级别系统融合 | 第46-48页 |
3.5 小结 | 第48-49页 |
第4章 添加局部特征的混淆网络对数线性模型 | 第49-65页 |
4.1 引言 | 第49页 |
4.2 混淆网络的构建 | 第49-54页 |
4.2.1 基于编辑距离的对齐 | 第49-51页 |
4.2.2 基于统计的对齐 | 第51-54页 |
4.3 基于对数线性模型的解码和调参 | 第54-58页 |
4.3.1 对数线性模型 | 第54-55页 |
4.3.2 柱搜索算法 | 第55-57页 |
4.3.3 MERT 调参 | 第57-58页 |
4.4 对数线性模型使用的特征 | 第58-60页 |
4.4.1 常用的特征 | 第58页 |
4.4.2 局部语言模型特征 | 第58-59页 |
4.4.3 局部 Skip-gram 模型 | 第59-60页 |
4.5 实验结果及分析 | 第60-63页 |
4.5.1 实验数据设置 | 第60页 |
4.5.2 结果及分析 | 第60-63页 |
4.6 本章小结 | 第63-65页 |
结论 | 第65-66页 |
参考文献 | 第66-70页 |
攻读硕士学位期间发表的论文 | 第70-72页 |
致谢 | 第72页 |