首页--语言、文字论文--语言学论文--应用语言学论文--机器翻译论文

面向统计机器翻译的语言模型优化技术研究

摘要第5-6页
Abstract第6页
第1章 绪论第11-17页
    1.1 研究背景及意义第11-13页
    1.2 国内外研究现状第13-14页
    1.3 本文研究工作第14-17页
        1.3.1 研究目的第14-15页
        1.3.2 本文组织结构第15-17页
第2章 相关理论基础知识第17-31页
    2.1 统计机器翻译技术第17-21页
        2.1.1 统计机器翻译概述第17-19页
        2.1.2 整体框架第19-20页
        2.1.3 基于短语的统计机器翻译第20-21页
    2.2 基于短语的统计机器翻译模块第21-24页
        2.2.1 词对齐第21-22页
        2.2.2 短语规则抽取第22页
        2.2.3 调序模型第22页
        2.2.4 语言模型第22-23页
        2.2.5 权重调优第23页
        2.2.6 解码器第23-24页
        2.2.7 其他模块第24页
    2.3 语言模型第24-27页
        2.3.1 n-gram语言模型第25-27页
        2.3.2 神经网络语言模型第27页
    2.4 语言模型评价方法第27-29页
        2.4.1 熵第27-28页
        2.4.2 实用评价方法第28-29页
    2.5 本章小结第29-31页
第3章 神经网络语言模型分析第31-45页
    3.1 语言模型网络结构第31-37页
        3.1.1 网络结构第31-35页
        3.1.2 激活函数第35-37页
    3.2 模型训练规则选取第37-39页
        3.2.1 训练算法第37-38页
        3.2.2 学习率第38页
        3.2.3 停止准则第38-39页
        3.2.4 反向传播算法第39页
    3.3 实验分析第39-44页
        3.3.1 实验环境第39-40页
        3.3.2 实验结果第40-44页
        3.3.3 结论分析第44页
    3.4 本章小结第44-45页
第4章 统计机器翻译中融合语言模型第45-57页
    4.1 语言模型在翻译系统中的应用第45-50页
        4.1.1 CYK解码第46-48页
        4.1.2 解码过程第48-50页
    4.2 传统语言模型第50-52页
        4.2.1 平滑技术第50页
        4.2.2 Kneser-Ney平滑第50-52页
    4.3 实验配置第52页
    4.4 实验第52-54页
    4.5 实验分析第54-55页
    4.6 本章小结第55-57页
第5章 词向量引导训练第57-63页
    5.1 改进算法描述第57-61页
        5.1.1 理论依据第57-58页
        5.1.2 词向量第58-59页
        5.1.3 算法描述第59-60页
        5.1.4 词向量训练第60-61页
    5.2 实验及分析第61页
    5.3 本章小结第61-63页
第6章 总结和展望第63-65页
    6.1 本文总结第63页
    6.2 机遇与挑战第63-65页
参考文献第65-69页
致谢第69-71页
攻读硕士期间参与项目第71页

论文共71页,点击 下载论文
上一篇:基于J2EE技术的高中信息技术课程考试系统的设计与实现
下一篇:口腔CT控制台及后处理软件设计与实现