高适应性基于实例的机器翻译中关键技术研究
摘要 | 第1-7页 |
ABSTRACT | 第7-12页 |
第一章 绪论 | 第12-22页 |
·机器翻译概述 | 第12-16页 |
·基于规则的机器翻译 | 第12-13页 |
·基于统计的机器翻译 | 第13-15页 |
·基于实例的机器翻译 | 第15-16页 |
·本文的研究内容 | 第16-19页 |
·本文的内容安排 | 第19-22页 |
第二章 基于N-GRAM的TM系统 | 第22-28页 |
·TM概述 | 第23-24页 |
·基于N-gramTM系统 | 第24-26页 |
·句子级的精确匹配 | 第24-25页 |
·子句子级的推荐 | 第25页 |
·句型的推荐 | 第25-26页 |
·实验及分析 | 第26页 |
·本章小结 | 第26-28页 |
第三章 基于支持向量机的中文分词策略 | 第28-48页 |
·现有常用分词技术 | 第29-30页 |
·基于支持向量机(SVM)的中文分词 | 第30-35页 |
·支持向量机简介 | 第30页 |
·分词问题定义 | 第30-32页 |
·实验及分析 | 第32-35页 |
·基于动态加权的支持向量机进行分词 | 第35-41页 |
·实验及分析 | 第36-39页 |
·在SVM框架下计算分词准确率和召回率的一个技巧 | 第39-41页 |
·在SVM中消除冗余样本 | 第41-45页 |
·基本方法介绍 | 第41-44页 |
·实验及分析 | 第44-45页 |
·本章小结 | 第45-48页 |
第四章 指代消解策略 | 第48-66页 |
·前言 | 第49-50页 |
·条件随机场简介 | 第50-51页 |
·在CRFs中使用主动学习法 | 第51-52页 |
·指代消解任务描述 | 第52-58页 |
·训练集构造 | 第53页 |
·特征集 | 第53-55页 |
·聚类算法 | 第55-58页 |
·实验及分析 | 第58-63页 |
·本章小结 | 第63-66页 |
第五章 EBMT的匹配策略 | 第66-76页 |
·一种基于单词的匹配模型 | 第67-70页 |
·句子相似度模型 | 第67-68页 |
·相似句子查找算法 | 第68页 |
·倒排索引表和句子长度表 | 第68-69页 |
·基于倒排索引的相似句子查找 | 第69-70页 |
·实验及分析 | 第70-71页 |
·一种改进的二次过滤匹配策略 | 第71-75页 |
·本章小结 | 第75-76页 |
第六章 基于N-GRAM的EBMT词义消歧 | 第76-86页 |
·前言 | 第76-77页 |
·现有常用消歧方法简介 | 第77-80页 |
·有监督消歧 | 第78-79页 |
·基于词典的消歧 | 第79-80页 |
·无监督消歧 | 第80页 |
·基于N-gram的词义消歧 | 第80-83页 |
·我们所面临的消歧问题描述 | 第80-81页 |
·基于N-gram的消歧方法 | 第81-83页 |
·实验及分析 | 第83页 |
·本章小结 | 第83-86页 |
第七章 基于自动机状态转换生成的EBMT翻译模型 | 第86-110页 |
·前言 | 第86-87页 |
·基于有限状态自动机转换的生成 | 第87-97页 |
·建立连接 | 第88-90页 |
·状态分配 | 第90-93页 |
·译文生成 | 第93-97页 |
·利用语言模型进行译词选择 | 第97-98页 |
·特定表达式的翻译 | 第98页 |
·基于规则的翻译引擎设计 | 第98-99页 |
·"汉日"双向翻译实验 | 第99-103页 |
·评价指标简介 | 第99-100页 |
·系统资源 | 第100-101页 |
·实验及分析 | 第101-103页 |
·"汉英"双向翻译实验 | 第103-109页 |
·评测训练语料介绍 | 第104-105页 |
·测试语料介绍 | 第105页 |
·测试结果 | 第105-106页 |
·结果分析 | 第106-109页 |
·本章小结 | 第109-110页 |
第八章 结论 | 第110-114页 |
·本文所做的工作 | 第110-111页 |
·今后的研究工作 | 第111-112页 |
·关于机器翻译的思考 | 第112-114页 |
·机器翻译与人类翻译 | 第112页 |
·机器翻译研究的发展趋势 | 第112-114页 |
参考文献 | 第114-126页 |
致谢 | 第126-128页 |
攻读博士期间发表的论文 | 第128-129页 |