| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第1章 绪论 | 第9-21页 |
| 1.1 课题的研究背景和意义 | 第9-10页 |
| 1.2 国内外研究现状 | 第10-18页 |
| 1.2.1 机器翻译后编辑的研究 | 第11-13页 |
| 1.2.2 在线学习算法 | 第13-16页 |
| 1.2.3 在线学习在SMT中的研究 | 第16页 |
| 1.2.4 在线适应的相关研究 | 第16-18页 |
| 1.3 现阶段存在的问题 | 第18-19页 |
| 1.4 主要研究内容和组织结构 | 第19-21页 |
| 第2章 在线适应模型研究 | 第21-34页 |
| 2.1 引言 | 第21页 |
| 2.2 在线适应模型描述 | 第21-23页 |
| 2.2.1 MIRA的优化目标 | 第21-22页 |
| 2.2.2 MIRA算法的实现 | 第22-23页 |
| 2.3 后编辑系统流程描述 | 第23-25页 |
| 2.4 在线适应APE系统与MT系统的对比实验 | 第25-27页 |
| 2.4.1 实验设置 | 第25-26页 |
| 2.4.2 实验结果及分析 | 第26-27页 |
| 2.5 在线适应模型的参数调节实验 | 第27-31页 |
| 2.5.1 迭代次数的实验 | 第28-29页 |
| 2.5.2 k-best列表长度实验 | 第29-31页 |
| 2.5.3 最大更新步长实验 | 第31页 |
| 2.6 最优参数与默认参数下的对比实验 | 第31-32页 |
| 2.7 本章小结 | 第32-34页 |
| 第3章 基于主动学习的在线适应后编辑研究 | 第34-44页 |
| 3.1 引言 | 第34页 |
| 3.2 句子级BLEU评价标准描述 | 第34-36页 |
| 3.2.1 Liang的平滑句子级BLEU度量标准 | 第35页 |
| 3.2.2 Pseudo-document BLEU度量标准 | 第35-36页 |
| 3.3 基于主动在线学习的自动后编辑实验 | 第36-42页 |
| 3.3.1 利用句子级BLEU评价标准对样本集分类 | 第36-38页 |
| 3.3.2 样本集分类的验证实验 | 第38-39页 |
| 3.3.3 基于主动在线学习的后编辑实验 | 第39-42页 |
| 3.4 主动学习方法在训练集上的扩展实验 | 第42页 |
| 3.5 本章小结 | 第42-44页 |
| 第4章 基于规则表过滤的在线适应后编辑研究 | 第44-56页 |
| 4.1 引言 | 第44页 |
| 4.2 基于串到串的层次短语模型解码描述 | 第44-47页 |
| 4.3 有效后编辑句对的选取 | 第47-49页 |
| 4.4 有效规则表的抽取及类别标注实验 | 第49-51页 |
| 4.5 基于SVM的规则表二元分类实验 | 第51-55页 |
| 4.5.1 基础特征模版描述 | 第51-53页 |
| 4.5.2 二元分类实验结果与分析 | 第53-54页 |
| 4.5.3 最终解码实验结果与分析 | 第54-55页 |
| 4.6 本章小结 | 第55-56页 |
| 结论 | 第56-57页 |
| 参考文献 | 第57-65页 |
| 致谢 | 第65页 |
