海量语言模型的研究及其在机器翻译中的应用
| 摘要 | 第1-5页 |
| Abstract | 第5-10页 |
| 第一章 绪论 | 第10-16页 |
| ·统计语言模型简介 | 第10-11页 |
| ·机器翻译简介 | 第11-13页 |
| ·本文的工作 | 第13-16页 |
| 第二章 统计语言模型 | 第16-32页 |
| ·理论基础 | 第16-22页 |
| ·概率论基础 | 第16-17页 |
| ·最大似然估计 | 第17-18页 |
| ·n元语言模型(N-gram模型) | 第18-19页 |
| ·其他语言模型 | 第19-20页 |
| ·语言模型的评价标准 | 第20-22页 |
| ·经典平滑算法 | 第22-26页 |
| ·加法平滑技术 | 第23页 |
| ·Good-Turing平滑算法 | 第23页 |
| ·katz平滑算法 | 第23-24页 |
| ·线性插值平滑 | 第24页 |
| ·Witten-Bell平滑算法 | 第24-25页 |
| ·Kneser-Ney平滑算法 | 第25-26页 |
| ·海量语言模型 | 第26-31页 |
| ·分块-合并算法 | 第26-27页 |
| ·分布式语言模型 | 第27-29页 |
| ·更简单的平滑算法 | 第29-31页 |
| ·小结 | 第31-32页 |
| 第三章 海量语言模型的训练 | 第32-52页 |
| ·Google Web 1T语料库 | 第32-33页 |
| ·总体设计 | 第33-37页 |
| ·设计原则 | 第33-35页 |
| ·语言模型的训练流程 | 第35-37页 |
| ·词典的生成和快速存取算法 | 第37-39页 |
| ·n-gram计数 | 第39-43页 |
| ·语言模型的生成 | 第43-51页 |
| ·语言模型的数据结构 | 第43-45页 |
| ·数据结构中字段大小的设置 | 第45-48页 |
| ·从n-gram计数文件创建语言模型 | 第48-51页 |
| ·小结 | 第51-52页 |
| 第四章 海量语言模型的调用 | 第52-62页 |
| ·动态链接库 | 第52-54页 |
| ·语言模型服务器 | 第54-58页 |
| ·分布式语言模型 | 第58-62页 |
| ·子语言模型的切割 | 第58-59页 |
| ·分布式语言模型的架构 | 第59-62页 |
| 第五章 在机器翻译系统中的实验结果 | 第62-68页 |
| ·实验结果 | 第62-65页 |
| ·机器翻译结果示例 | 第65-68页 |
| 第六章 总结和展望 | 第68-70页 |
| 参考文献 | 第70-74页 |
| 致谢 | 第74页 |
