融合主题与语义依赖的统计机器翻译领域适应性研究
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14-18页 |
1.4.1 基于训练数据优化的领域适应性研究 | 第14-15页 |
1.4.2 基于模型特征优化的领域适应性研究 | 第15-18页 |
1.5 主要研究内容 | 第18-19页 |
1.6 论文组织结构 | 第19-21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研究 | 第27-38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29-33页 |
3.2.1 双语主题模型 | 第30-32页 |
3.2.2 句子级主题-领域相关性计算 | 第32页 |
3.2.3 词级主题-领域相关性计算 | 第32-33页 |
3.3 实验及结果分析 | 第33-37页 |
3.3.1 语料设置 | 第33-34页 |
3.3.2 实验设置 | 第34-35页 |
3.3.3 实验结果及分析 | 第35-37页 |
3.4 本章小结 | 第37-38页 |
第四章 基于主题模型的调序模型领域适应性研究 | 第38-49页 |
4.1 研究动机 | 第38-39页 |
4.2 融合主题信息的调序模型 | 第39-43页 |
4.2.1 传统调序模型 | 第40-42页 |
4.2.2 估计不同主题下短语对的调序分布 | 第42页 |
4.2.3 利用测试集主题分布优化调序模型 | 第42-43页 |
4.3 实验及结果分析 | 第43-48页 |
4.3.1 语料设置 | 第43-44页 |
4.3.2 实验设置 | 第44-45页 |
4.3.3 实验结果及分析 | 第45-48页 |
4.4 本章小结 | 第48-49页 |
第五章 领域术语错译识别方法研究 | 第49-58页 |
5.1 研究动机 | 第49-50页 |
5.2 基于回译的术语错译识别方法 | 第50-54页 |
5.2.1 回译译文获取 | 第51-52页 |
5.2.2 回译文本与源文本的比较 | 第52-54页 |
5.3 实验及结果分析 | 第54-57页 |
5.3.1 语料设置 | 第54-55页 |
5.3.2 实验设置 | 第55-56页 |
5.3.3 实验结果与分析 | 第56-57页 |
5.4 本章小结 | 第57-58页 |
第六章 总结与展望 | 第58-60页 |
6.1 工作总结 | 第58-59页 |
6.2 工作展望 | 第59-60页 |
参考文献 | 第60-69页 |
攻读学位期间公开发表的论文 | 第69-70页 |
致谢 | 第70页 |