多方法融合蒙汉机器翻译与译文重排序研究
| 摘要 | 第4-6页 |
| ABSTRACT | 第6-8页 |
| 第一章 引言 | 第18-28页 |
| 1.1 研究背景与意义 | 第18-19页 |
| 1.2 蒙古文机器翻译研究现状 | 第19-25页 |
| 1.2.1 蒙汉机器翻译发展概述 | 第19-22页 |
| 1.2.2 蒙古文语言特征 | 第22-23页 |
| 1.2.3 蒙汉机器翻译资源稀少 | 第23-25页 |
| 1.3 研究内容及创新点 | 第25-26页 |
| 1.4 论文结构安排 | 第26-28页 |
| 第二章 多方法蒙古文形态分析研究 | 第28-39页 |
| 2.1 蒙古文形态特点 | 第28-30页 |
| 2.2 词形还原 | 第30-31页 |
| 2.3 格的附加成分处理 | 第31-32页 |
| 2.4 形态分析实验 | 第32-38页 |
| 2.4.1 实验设置与数据 | 第32-34页 |
| 2.4.2 形态分析数据稀疏统计 | 第34-35页 |
| 2.4.3 蒙古文翻译模板词典匹配 | 第35页 |
| 2.4.4 蒙古文统计机器翻译形态分析 | 第35-36页 |
| 2.4.5 蒙古文深度神经网络形态分析 | 第36-37页 |
| 2.4.6 实验结论与分析 | 第37-38页 |
| 2.5 本章小结 | 第38-39页 |
| 第三章 基于重对齐的蒙汉统计机器翻译模型 | 第39-54页 |
| 3.1 统计机器翻译模型 | 第39-42页 |
| 3.1.1 统计机器翻译模型概述 | 第39-40页 |
| 3.1.2 IBM对齐模型 | 第40-41页 |
| 3.1.3 翻译粒度分析 | 第41-42页 |
| 3.2 重对齐模型框架 | 第42-44页 |
| 3.3 重对齐转换算法 | 第44-47页 |
| 3.4 实验 | 第47-52页 |
| 3.4.1 实验数据与配置 | 第47-48页 |
| 3.4.2 实验评价标准 | 第48-49页 |
| 3.4.3 重对齐模型实验 | 第49-50页 |
| 3.4.4 重对齐翻译模型实验 | 第50-51页 |
| 3.4.5 实验结论与分析 | 第51-52页 |
| 3.5 本章小结 | 第52-54页 |
| 第四章 多粒度融合的神经网络翻译模型 | 第54-75页 |
| 4.1 基于注意力的循环神经网络翻译模型 | 第54-58页 |
| 4.1.1 深度学习与神经网络 | 第54-56页 |
| 4.1.2 基于注意力机制的循环神经网络翻译模型 | 第56-58页 |
| 4.2 融合短语的神经网络翻译解码模型 | 第58-65页 |
| 4.2.1 蒙汉注意力神经网络翻译模型 | 第58-62页 |
| 4.2.2 融合短语解码模型框架 | 第62-64页 |
| 4.2.3 短语词向量模型 | 第64-65页 |
| 4.3 实验 | 第65-73页 |
| 4.3.1 实验数据与实验组 | 第65-67页 |
| 4.3.2 模型配置及性能分析 | 第67-68页 |
| 4.3.3 有限目标词典融合实验 | 第68-69页 |
| 4.3.4 非受限目标词典融合实验 | 第69-70页 |
| 4.3.5 半训练数据融合实验 | 第70-71页 |
| 4.3.6 实验结论与分析 | 第71-73页 |
| 4.4 本章小结 | 第73-75页 |
| 第五章 融合统计对齐模型的模板翻译 | 第75-89页 |
| 5.1 蒙汉模板翻译模型 | 第75-77页 |
| 5.1.1 模板翻译模型概述 | 第75-76页 |
| 5.1.2 蒙汉模板翻译模型框架 | 第76-77页 |
| 5.2 融合词对齐的模板抽取模型 | 第77-82页 |
| 5.2.1 模板提取 | 第77-80页 |
| 5.2.2 模板库构建 | 第80-82页 |
| 5.3 基于蒙古文形态分析模糊匹配的模板翻译模型 | 第82-85页 |
| 5.3.1 模板匹配 | 第82-83页 |
| 5.3.2 蒙古文形态分析模糊匹配 | 第83-84页 |
| 5.3.3 译文选取 | 第84-85页 |
| 5.4 实验 | 第85-88页 |
| 5.4.1 实验设置与数据 | 第85页 |
| 5.4.2 模板库覆盖率实验 | 第85-86页 |
| 5.4.3 模板翻译实验 | 第86-87页 |
| 5.4.4 实验结论与分析 | 第87-88页 |
| 5.5 本章小结 | 第88-89页 |
| 第六章 基于深度神经网络编码的多模型译文重排序 | 第89-106页 |
| 6.1 多翻译模型对比与分析 | 第89-91页 |
| 6.1.1 多模型对比 | 第89-91页 |
| 6.1.2 蒙汉机器翻译多模型应用成果 | 第91页 |
| 6.2 基于循环神经网络的译文重排序算法 | 第91-99页 |
| 6.2.1 机器翻译融合系统 | 第91-93页 |
| 6.2.2 融合模型框架 | 第93-94页 |
| 6.2.3 神经网络重排序模型 | 第94-96页 |
| 6.2.4 N元双语词向量表示 | 第96-99页 |
| 6.3 实验 | 第99-104页 |
| 6.3.1 实验配置与数据 | 第99-100页 |
| 6.3.2 多模型对比实验 | 第100-101页 |
| 6.3.3 模型融合实验 | 第101-103页 |
| 6.3.4 多译文融合实验 | 第103-104页 |
| 6.3.5 实验结论与分析 | 第104页 |
| 6.4 本章小结 | 第104-106页 |
| 第七章 总结与展望 | 第106-109页 |
| 7.1 本文工作总结 | 第106-107页 |
| 7.2 本文工作展望 | 第107-109页 |
| 参考文献 | 第109-119页 |
| 致谢 | 第119-120页 |
| 攻读博士学位期间发表的论文 | 第120-122页 |
| 攻读博士学位期间参加的科研项目 | 第122页 |
