| 中文摘要 | 第4-6页 |
| Abstract | 第6-8页 |
| 第一章 绪论 | 第11-22页 |
| 1.1 研究背景 | 第11-12页 |
| 1.2 任务定义 | 第12-14页 |
| 1.3 研究意义 | 第14-16页 |
| 1.3.1 科学价值 | 第14-15页 |
| 1.3.2 应用价值 | 第15-16页 |
| 1.4 国内外研究现状 | 第16-19页 |
| 1.4.1 平行语料库建设研究 | 第16-17页 |
| 1.4.2 统计机器翻译领域自适应研究 | 第17-19页 |
| 1.5 研究内容 | 第19-20页 |
| 1.6 论文组织结构 | 第20-22页 |
| 第二章 统计机器翻译综述 | 第22-27页 |
| 2.1 语料预处理 | 第23页 |
| 2.2 模型训练 | 第23-24页 |
| 2.3 模型权重调节 | 第24-25页 |
| 2.4 翻译解码 | 第25页 |
| 2.5 译文评价 | 第25-26页 |
| 2.6 本章小结 | 第26-27页 |
| 第三章 基于检索和分类的领域双语网站识别方法研究 | 第27-38页 |
| 3.1 基本概念和方法框架 | 第28-29页 |
| 3.1.1 双语网站基本概念 | 第28页 |
| 3.1.2 网站识别方法框架 | 第28-29页 |
| 3.2 基于全局搜索的候选挖掘 | 第29-31页 |
| 3.2.1 查询构造 | 第29-30页 |
| 3.2.2 检索及URL匹配 | 第30-31页 |
| 3.3 基于局部分类的候选过滤 | 第31-33页 |
| 3.3.1 结构化分类特征 | 第31-33页 |
| 3.3.2 统计分类特征 | 第33页 |
| 3.3.3 语言模型分类特征 | 第33页 |
| 3.4 实验及分析 | 第33-37页 |
| 3.4.1 领域双语网站识别实验 | 第34-36页 |
| 3.4.2 特定领域机器翻译实验 | 第36-37页 |
| 3.5 本章小结 | 第37-38页 |
| 第四章 基于句对选择的机器翻译领域自适应研究 | 第38-48页 |
| 4.1 研究动机 | 第39-40页 |
| 4.2 句对领域相关性评价模型 | 第40-43页 |
| 4.2.1 双语主题模型 | 第41-42页 |
| 4.2.2 句子级主题-领域映射方法 | 第42页 |
| 4.2.3 词级主题-领域映射方法 | 第42-43页 |
| 4.3 实验及分析 | 第43-46页 |
| 4.3.1 语料说明 | 第43-44页 |
| 4.3.2 实验设置 | 第44页 |
| 4.3.3 实验结果及分析 | 第44-46页 |
| 4.4 本章小结 | 第46-48页 |
| 第五章 基于翻译特征优化的机器翻译领域自适应研究 | 第48-59页 |
| 5.1 研究动机和方法概述 | 第48-49页 |
| 5.2 面向特定领域的翻译特征优化方法 | 第49-53页 |
| 5.2.1 基于卷积神经网络的句对领域相关性性估计 | 第49-51页 |
| 5.2.2 短语对翻译概率重估计 | 第51-52页 |
| 5.2.3 翻译概率线性融合 | 第52-53页 |
| 5.3 实验结果及分析 | 第53-58页 |
| 5.3.1 语料说明 | 第53页 |
| 5.3.2 实验设置 | 第53-54页 |
| 5.3.3 实验结果及分析 | 第54-58页 |
| 5.4 本章小结 | 第58-59页 |
| 第六章 总结与展望 | 第59-61页 |
| 6.1 工作总结 | 第59-60页 |
| 6.2 工作展望 | 第60-61页 |
| 参考文献 | 第61-66页 |
| 攻读学位期间公开发表的论文 | 第66-67页 |
| 致谢 | 第67-68页 |