| 摘要 | 第4-6页 |
| Abstract | 第6-7页 |
| 第1章 引言 | 第14-36页 |
| 1.1 研究背景 | 第14-16页 |
| 1.2 研究现状 | 第16-31页 |
| 1.2.1 机器翻译的沿革 | 第16-17页 |
| 1.2.2 统计机器翻译 | 第17-25页 |
| 1.2.3 中文分词 | 第25-29页 |
| 1.2.4 已有的工作 | 第29-31页 |
| 1.3 论文的主要工作 | 第31-34页 |
| 1.4 论文的组织 | 第34-36页 |
| 第2章 中文分词的串行式融合 | 第36-54页 |
| 2.1 基本思想 | 第36-38页 |
| 2.2 转换算法 | 第38-41页 |
| 2.3 对齐时分词 | 第41-47页 |
| 2.3.1 模型分析 | 第41-42页 |
| 2.3.2 搜索过程分析 | 第42-44页 |
| 2.3.3 训练过程分析 | 第44-45页 |
| 2.3.4 错误分析：理解对齐时分词 | 第45-47页 |
| 2.4 解码时分词 | 第47-48页 |
| 2.5 实验 | 第48-52页 |
| 2.5.1 数据准备 | 第48-49页 |
| 2.5.2 字对齐实验 | 第49-50页 |
| 2.5.3 字和基于普通分词的串行式融合 | 第50-51页 |
| 2.5.4 字和基于“面向机器翻译的分词”的串行式融合 | 第51-52页 |
| 2.6 本章小结 | 第52-53页 |
| 本章工作的相关科研成果 | 第53-54页 |
| 第3章 基于多种分词的词对齐融合 | 第54-74页 |
| 3.1 基本思想 | 第54-56页 |
| 3.2 分词网络 | 第56-60页 |
| 3.3 融合算法 | 第60-67页 |
| 3.3.1 搜索空间 | 第60-62页 |
| 3.3.2 骨架连接置信度 | 第62-63页 |
| 3.3.3 搜索算法 | 第63-64页 |
| 3.3.4 训练算法 | 第64-67页 |
| 3.4 实验 | 第67-71页 |
| 3.4.1 数据准备 | 第67-68页 |
| 3.4.2 词对齐融合实验 | 第68-70页 |
| 3.4.3 结果分析 | 第70-71页 |
| 3.5 本章小结 | 第71-72页 |
| 本章工作的相关科研成果 | 第72-74页 |
| 第4章 基于多种分词的判别式词对齐模型 | 第74-90页 |
| 4.1 基本思想 | 第74-76页 |
| 4.2 基于骨架连接的集束搜索算法 | 第76-78页 |
| 4.3 基于多种分词的最小错误率训练 | 第78-79页 |
| 4.4 基于多种分词的特征 | 第79-84页 |
| 4.4.1 基于多种词粒度的翻译概率 | 第79-80页 |
| 4.4.2 基于语言学知识的特征 | 第80-82页 |
| 4.4.3 词语相对位置特征 | 第82页 |
| 4.4.4 邻接词距离 | 第82-83页 |
| 4.4.5 候选词对齐特征 | 第83页 |
| 4.4.6 “m-n”型连接特征 | 第83-84页 |
| 4.4.7 骨架连接数目特征 | 第84页 |
| 4.5 实验 | 第84-89页 |
| 4.5.1 数据准备 | 第84-85页 |
| 4.5.2 和基于单一分词的词对齐模型的对比 | 第85-87页 |
| 4.5.3 和基于多种分词的词对齐融合方法的对比 | 第87页 |
| 4.5.4 候选分词数目对结果的影响 | 第87-88页 |
| 4.5.5 融入切字结果 | 第88-89页 |
| 4.6 本章小结 | 第89页 |
| 本章工作的相关科研成果 | 第89-90页 |
| 第5章 基于多种分词的语言模型的融合 | 第90-106页 |
| 5.1 基本思想 | 第90-92页 |
| 5.2 语言模型分词与语言模型训练语料 | 第92-95页 |
| 5.2.1 基于词的语言模型 | 第92-94页 |
| 5.2.2 基于字的语言模型 | 第94-95页 |
| 5.3 语言模型分词与语言模型性能 | 第95-99页 |
| 5.3.1 模型的判别能力 | 第95-96页 |
| 5.3.2 模型的稀疏性 | 第96-98页 |
| 5.3.3 译文调序能力 | 第98-99页 |
| 5.4 融合基于字和基于词的语言模型 | 第99页 |
| 5.5 实验 | 第99-103页 |
| 5.5.1 数据准备 | 第99-100页 |
| 5.5.2 交叉熵评价实验 | 第100-101页 |
| 5.5.3 英汉机器翻译实验 | 第101-102页 |
| 5.5.4 日汉机器翻译实验 | 第102-103页 |
| 5.6 本章小结 | 第103-104页 |
| 本章工作的相关科研成果 | 第104-106页 |
| 第6章 融合单语和双语知识的中文分词 | 第106-122页 |
| 6.1 基本思想 | 第106-107页 |
| 6.2 基于单语的分词 | 第107-109页 |
| 6.3 基于双语的分词 | 第109-112页 |
| 6.4 融合单语和双语知识的中文分词模型 | 第112-116页 |
| 6.4.1 融合算法 | 第112-114页 |
| 6.4.2 分词模型训练 | 第114-116页 |
| 6.5 实验 | 第116-120页 |
| 6.5.1 数据准备 | 第116页 |
| 6.5.2 实验设置 | 第116-117页 |
| 6.5.3 特征模版 | 第117-118页 |
| 6.5.4 基于人民日报训练语料的单语分词和基于双语的分词的融合 | 第118-119页 |
| 6.5.5 其他单语分词和基于双语的分词的融合 | 第119页 |
| 6.5.6 结果分析 | 第119-120页 |
| 6.6 本章小结 | 第120-121页 |
| 本章工作的相关科研成果 | 第121-122页 |
| 第7章 总结与展望 | 第122-125页 |
| 7.1 本文的主要贡献 | 第122-123页 |
| 7.2 未来的研究方向 | 第123-125页 |
| 参考文献 | 第125-136页 |
| 致谢 | 第136-137页 |
| 攻读博士学位期间科研工作情况 | 第137-140页 |