层次短语翻译模型中翻译规则约束问题的研究
| 摘要 | 第4-5页 |
| ABSTRACT | 第5-6页 |
| 第1章 前言 | 第10-15页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究现状 | 第11-13页 |
| 1.2.1 基于语言学信息的规则约束方法 | 第11-12页 |
| 1.2.2 基于短语边界信息的规则约束方法 | 第12-13页 |
| 1.3 本文主要工作 | 第13-14页 |
| 1.4 论文结构安排 | 第14-15页 |
| 第2章 统计机器翻译背景知识 | 第15-28页 |
| 2.1 引言 | 第15页 |
| 2.2 机器翻译发展历史与现状 | 第15-19页 |
| 2.3 对数线性模型 | 第19-22页 |
| 2.4 语言模型 | 第22-25页 |
| 2.4.1 n元文法语言模型 | 第22-23页 |
| 2.4.2 参数估计和平滑 | 第23-25页 |
| 2.4.3 其他语言模型 | 第25页 |
| 2.5 机器翻译质量评价方法 | 第25-27页 |
| 2.6 本章小结 | 第27-28页 |
| 第3章 基于层次短语翻译的翻译模型 | 第28-34页 |
| 3.1 层次短语翻译模型概述 | 第28-32页 |
| 3.1.1 同步上下文无关文法 | 第29-32页 |
| 3.1.2 模型 | 第32页 |
| 3.2 层次短语翻译模型中存在的问题 | 第32-33页 |
| 3.3 本章小结 | 第33-34页 |
| 第4章 基于句法树状态的规则约束方法 | 第34-47页 |
| 4.1 引言 | 第34-35页 |
| 4.2 基于句法树状态的规则约束模型 | 第35-37页 |
| 4.2.1 模型思想 | 第35-36页 |
| 4.2.2 规则的句法树状态定义 | 第36-37页 |
| 4.3 基于极大似然估计的句法树状态模型 | 第37-38页 |
| 4.4 基于判别式分类器的句法树状态模型 | 第38-40页 |
| 4.4.1 训练样本的获取 | 第38-39页 |
| 4.4.2 上下文特征选取 | 第39-40页 |
| 4.5 解码 | 第40-41页 |
| 4.6 实验 | 第41-45页 |
| 4.6.1 实验相关配置 | 第41-43页 |
| 4.6.2 实验结果及分析 | 第43-45页 |
| 4.7 本章小结 | 第45-47页 |
| 第5章 翻译单元的分布式抽取方法 | 第47-59页 |
| 5.1 Hadoop简介 | 第47-49页 |
| 5.2 短语表训练 | 第49-54页 |
| 5.2.1 短语表的单机训练方法 | 第49-51页 |
| 5.2.2 基于Hadoop平台的短语表训练方法 | 第51-54页 |
| 5.3 基于极大似然估计的树状态模型训练 | 第54-56页 |
| 5.3.1 单机训练方法 | 第54-55页 |
| 5.3.2 分布式训练方法 | 第55-56页 |
| 5.4 实验 | 第56-58页 |
| 5.4.1 实验相关配置 | 第56-57页 |
| 5.4.2 结果 | 第57-58页 |
| 5.5 本章小结 | 第58-59页 |
| 第6章 总结和展望 | 第59-61页 |
| 6.1 论文总结 | 第59-60页 |
| 6.2 进一步的工作 | 第60-61页 |
| 参考文献 | 第61-67页 |
| 致谢 | 第67-68页 |
| 附录 | 第68-69页 |
| 附录1 硕士生期间申请的专利 | 第68页 |
| 附录2 硕士生期间获奖情况 | 第68-69页 |
