| 摘要 | 第1-6页 |
| ABSTRACT | 第6-8页 |
| 目录 | 第8-11页 |
| 表格索引 | 第11-12页 |
| 插图索引 | 第12-13页 |
| 主要符号对照表 | 第13-14页 |
| 第一章 绪论 | 第14-22页 |
| ·研究背景和意义 | 第14-16页 |
| ·研究背景 | 第14-15页 |
| ·研究意义 | 第15-16页 |
| ·国内外研究现状 | 第16-20页 |
| ·主观题评分的研究现状 | 第16-18页 |
| ·神经网络的研究现状 | 第18-20页 |
| ·论文研究内容 | 第20-21页 |
| ·论文结构安排 | 第21-22页 |
| 第二章 相关理论与技术分析 | 第22-34页 |
| ·技术路线分析 | 第22页 |
| ·机器翻译评分的研究 | 第22-25页 |
| ·基于测试点检测 | 第22-23页 |
| ·BLEU算法 | 第23-25页 |
| ·机器翻译评分与人工翻译评分的区别 | 第25页 |
| ·PSO-BP神经网络研究 | 第25-31页 |
| ·人工神经网络简介 | 第25-26页 |
| ·BP神经网络 | 第26-30页 |
| ·PSO算法 | 第30-31页 |
| ·其他技术 | 第31-32页 |
| ·python | 第31-32页 |
| ·matlab | 第32页 |
| ·本章小结 | 第32-34页 |
| 第三章 潜语义分析在翻译评分中的应用 | 第34-42页 |
| ·潜语义分析简介 | 第34-35页 |
| ·潜语义分析理论基础 | 第35-36页 |
| ·潜语义分析基本思想 | 第35页 |
| ·奇异值分解数学基础 | 第35-36页 |
| ·潜语义分析特点 | 第36-37页 |
| ·潜语义分析用于翻译评分的过程 | 第37-39页 |
| ·构建译文-单词矩阵 | 第37页 |
| ·矩阵元素权重化 | 第37-38页 |
| ·矩阵奇异值分解 | 第38-39页 |
| ·分段译文潜语义相似度特征值的提取 | 第39-40页 |
| ·本章小结 | 第40-42页 |
| 第四章 翻译文本特征提取算法设计与实现 | 第42-56页 |
| ·数据收集和评分标准制定 | 第42-45页 |
| ·数据收集与处理 | 第42-43页 |
| ·评分标准制定 | 第43-45页 |
| ·文本特征分类 | 第45页 |
| ·语言基础特征提取 | 第45-46页 |
| ·语义特征提取 | 第46-50页 |
| ·BLEU值提取算法 | 第46-48页 |
| ·分段译文潜语义相似度提取算法 | 第48-50页 |
| ·BLEU值和分段译文潜语义相似度的比较 | 第50页 |
| ·测试点匹配率特征提取 | 第50-51页 |
| ·连贯性特征提取 | 第51-53页 |
| ·算法设计 | 第51-52页 |
| ·算法效果 | 第52页 |
| ·算法实现 | 第52-53页 |
| ·各特征值对评分的影响 | 第53-54页 |
| ·本章小结 | 第54-56页 |
| 第五章 使用PSO-BP网络构建翻译评分模型以及实验仿真 | 第56-66页 |
| ·BP神经网络结构设计 | 第56-58页 |
| ·数据预处理 | 第56页 |
| ·各层节点设计 | 第56-58页 |
| ·神经网络参数设置 | 第58页 |
| ·使用PSO算法优化BP神经网络 | 第58-59页 |
| ·惯性权重自适应调整 | 第58页 |
| ·选择适应度函数 | 第58-59页 |
| ·算法步骤 | 第59页 |
| ·基于PSO-BP神经网络实验结果及分析 | 第59-64页 |
| ·基于PSO-BP神经网络预测效果 | 第59-62页 |
| ·PSO-BP神经网络与多元线性回归的对比 | 第62-64页 |
| ·本章小结 | 第64-66页 |
| 第六章 大学生翻译评分系统的设计与实现 | 第66-72页 |
| ·需求分析 | 第66页 |
| ·系统设计 | 第66-70页 |
| ·系统结构层次 | 第66-67页 |
| ·模块设计 | 第67-69页 |
| ·翻译评分系统的构建流程 | 第69-70页 |
| ·翻译评分系统与翻译系统的关系 | 第70-71页 |
| ·本章小结 | 第71-72页 |
| 第七章 总结与展望 | 第72-74页 |
| ·本文的工作总结 | 第72页 |
| ·后继工作展望 | 第72-74页 |
| 参考文献 | 第74-78页 |
| 致谢 | 第78-80页 |
| 在读期间发表的学术论文与取得的研究成果 | 第80页 |