基于语义分析的机器翻译领域适应性优化方法研究
| 中文摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-21页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 任务定义 | 第11-13页 |
| 1.3 研究意义 | 第13-14页 |
| 1.3.1 科学价值 | 第13-14页 |
| 1.3.2 应用价值 | 第14页 |
| 1.4 国内外研究现状 | 第14-19页 |
| 1.4.1 基于训练数据优化的领域适应性研究 | 第15-16页 |
| 1.4.2 基于模型特征优化的领域适应性研究 | 第16-19页 |
| 1.5 主要研究内容 | 第19-20页 |
| 1.6 论文组织结构 | 第20-21页 |
| 第二章 统计机器翻译概述 | 第21-27页 |
| 2.1 语料预处理 | 第22-23页 |
| 2.2 模型训练 | 第23-24页 |
| 2.3 模型权重调节 | 第24-25页 |
| 2.4 翻译解码 | 第25页 |
| 2.5 译文质量评价 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 基于主题信息的领域平行句对选择与优化 | 第27-40页 |
| 3.1 研究动机 | 第27-29页 |
| 3.2 句对领域相关性评价模型 | 第29-35页 |
| 3.2.1 LDA主题模型 | 第30-31页 |
| 3.2.2 基于短语对的主题模型 | 第31-33页 |
| 3.2.3 平行句对和目标领域的主题表示 | 第33-34页 |
| 3.2.4 主题相关度计算 | 第34-35页 |
| 3.3 实验及结果分析 | 第35-39页 |
| 3.3.1 语料设置 | 第35页 |
| 3.3.2 实验设置 | 第35-36页 |
| 3.3.3 实验结果及分析 | 第36-39页 |
| 3.4 本章小结 | 第39-40页 |
| 第四章 基于语义相似度的领域翻译模型优化方法 | 第40-52页 |
| 4.1 研究动机 | 第40-41页 |
| 4.2 联合语义信息的领域翻译模型 | 第41-46页 |
| 4.2.1 基于神经网络的领域词向量双语映射 | 第43-44页 |
| 4.2.2 短语对领域互译度评价模型 | 第44-46页 |
| 4.3 实验及结果分析 | 第46-51页 |
| 4.3.1 语料设置 | 第46-47页 |
| 4.3.2 实验设置 | 第47-48页 |
| 4.3.3 实验结果与分析 | 第48-51页 |
| 4.4 本章小结 | 第51-52页 |
| 第五章 融合句子和文档信息的翻译模型优化方法 | 第52-63页 |
| 5.1 研究动机 | 第52-53页 |
| 5.2 依赖上下文的短语对语义匹配模型 | 第53-58页 |
| 5.2.1 基于卷积神经网络的句子特征抽取 | 第54-55页 |
| 5.2.2 句子语义和文档主题的融合策略 | 第55-57页 |
| 5.2.3 短语对语义匹配度计算 | 第57页 |
| 5.2.4 语义匹配模型的训练策略 | 第57-58页 |
| 5.3 实验及结果分析 | 第58-62页 |
| 5.3.1 实验设置 | 第58-60页 |
| 5.3.2 实验结果及分析 | 第60-62页 |
| 5.4 本章小结 | 第62-63页 |
| 第六章 总结与展望 | 第63-65页 |
| 6.1 工作总结 | 第63-64页 |
| 6.2 工作展望 | 第64-65页 |
| 参考文献 | 第65-72页 |
| 攻读学位期间的研究成果 | 第72-73页 |
| 攻读学位期间参与的科研项目 | 第73-74页 |
| 致谢 | 第74-75页 |
