| 致谢 | 第5-6页 |
| 摘要 | 第6-7页 |
| ABSTRACT | 第7-8页 |
| 1 引言 | 第11-17页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.2.1 平行语料库建设 | 第12-13页 |
| 1.2.2 平行语料的构建方法及问题 | 第13-14页 |
| 1.3 研究目标及内容 | 第14-15页 |
| 1.4 论文的组织结构 | 第15-17页 |
| 2 相关理论及技术 | 第17-26页 |
| 2.1 统计机器翻译原理 | 第17-19页 |
| 2.2 语言模型 | 第19-21页 |
| 2.2.1 统计语言模型的基本原理 | 第19-20页 |
| 2.2.2 N元语法模型 | 第20-21页 |
| 2.3 主动学习算法 | 第21-26页 |
| 2.3.1 主动学习算法概述 | 第21-23页 |
| 2.3.2 主动学习算法工作过程 | 第23-24页 |
| 2.3.3 主动学习在统计机器翻译中的应用 | 第24-26页 |
| 3 融合主动学习的基于枢轴语言的平行语料构建方法 | 第26-37页 |
| 3.1 方法概述 | 第26-27页 |
| 3.2 基于枢轴语言的平行语料构建方法 | 第27-30页 |
| 3.2.1 枢轴语言在机器翻译中的应用 | 第28-29页 |
| 3.2.2 枢轴语言在平行语料构建中的应用 | 第29-30页 |
| 3.3 基于主动学习的领域适应方法 | 第30-31页 |
| 3.4 基于译文自动评测的良好译文选取方法 | 第31-37页 |
| 3.4.1 基于忠实度的译文评测方法 | 第32-34页 |
| 3.4.2 基于流利度的译文评测方法 | 第34页 |
| 3.4.3 验证实验 | 第34-37页 |
| 4 实验设计及结果分析 | 第37-47页 |
| 4.1 实验设计 | 第37-42页 |
| 4.1.1 实验数据 | 第37-38页 |
| 4.1.2 实验环境及工具 | 第38-41页 |
| 4.1.3 评测方法 | 第41-42页 |
| 4.2 基于枢轴语言构建平行语料方法的实现及评测 | 第42-43页 |
| 4.3 基于译文自动评测的语句选取方法的实现及评测 | 第43-44页 |
| 4.4 基于主动学习的领域适应方法的实现及评测 | 第44-47页 |
| 5 基于依存树到串翻译模型的平行语料构建方法 | 第47-55页 |
| 5.1 方法概述 | 第47-48页 |
| 5.2 基于依存树到串的翻译模型 | 第48-52页 |
| 5.2.1 依存树到串文法 | 第49-50页 |
| 5.2.2 翻译规则推导 | 第50-51页 |
| 5.2.3 译文评分模型 | 第51页 |
| 5.2.4 解码 | 第51-52页 |
| 5.3 实验设计及结果分析 | 第52-55页 |
| 5.3.1 数据准备 | 第52-53页 |
| 5.3.2 实验及评测结果 | 第53-55页 |
| 6 总结和展望 | 第55-57页 |
| 参考文献 | 第57-61页 |
| 作者简历 | 第61-63页 |
| 学位论文数据集 | 第63页 |