学习机器翻译【2025|PDF|Epub|mobi|kindle电子书版本百度云盘下载】

学习机器翻译PDF格式电子书版下载

注意：本站所有压缩包均有解压码： 点击下载压缩包解压工具

第1章 统计机器翻译初步1

1.1 背景1

1.2 机器翻译的评价3

1.2.1 基于编辑距离的方法4

1.2.2 基于n元文法的方法5

1.2.3 召回率的重要性6

1.2.4 使用句法的方法6

1.2.5 评价方法的评价与融合7

1.2.6 统计显著性检验7

1.3 基于词的机器翻译7

1.3.1 模型1、模型2和隐马尔可夫模型8

1.3.2 模型3、模型4和模型59

1.3.3 搜索9

1.3.4 现状10

1.4 语言模型10

1.4.1 n元文法模型和平滑技术11

1.4.2 最大熵模型13

1.4.3 若干最新研究趋势14

1.5 基于短语的机器翻译16

1.5.1 对数线性模型17

1.5.2 基于短语的翻译模型17

1.5.3 最小错误率训练19

1.5.4 搜索20

1.5.5 重打分22

1.5.6 现状23

1.6 基于句法的统计机器翻译23

1.6.1 无需句法分析的方法24

1.6.2 目标语言端进行句法分析25

1.6.3 源语言端进行句法分析25

1.6.4 源语言端和目标语言端都进行句法分析26

1.7 其他一些重要方向27

1.7.1 因子化模型27

1.7.2 模型自适应27

1.7.3 系统融合28

1.7.4 用于机器翻译的核方法28

1.8 用于统计机器翻译的机器学习28

1.8.1 翻译作为一个学习问题29

1.8.2 使用不精确损失函数的学习30

1.8.3 用于统计机器翻译的端到端学习31

1.9 结论32

1.10 附录32

第一部分：使能技术35

第2章 挖掘专利构建平行语料库35

2.1 引言35

2.2 相关工作36

2.3 资源37

2.4 对齐过程38

2.4.1 句子对齐打分38

2.4.2 降低句对齐中的噪声40

2.5 专利平行语料库的数据统计41

2.5.1 全集和源数据集的比较41

2.5.2 基本的统计数据42

2.5.3 关于机器翻译的统计数据43

2.6 机器翻译实验44

2.6.1 机器翻译系统44

2.6.2 比较重排序限制45

2.6.3 跨板块的机器翻译实验46

2.6.4 对原始对齐数据的基于任务的评估49

2.7 结论51

第3章 多语言名称词典的自动创建52

3.1 引言和动机52

3.1.1 内容53

3.1.2 专有名称和机器翻译54

3.1.3 多语种名称实体词典与其他文本分析应用的相关性54

3.1.4 存在名称变体的原因55

3.2 相关工作57

3.2.1 现有的名称词典或建立词典的相关探索57

3.2.2 命名实体识别58

3.2.3 名称变体的匹配59

3.3 新名称的多语言识别60

3.3.1 背景：多语言的新闻数据60

3.3.2 一个允许多语言的轻量级识别过程61

3.3.3 用维基百科扩充名称数据库62

3.4 查找已知名称和其形态变体62

3.4.1 处理词形变化62

3.4.2 查找过程63

3.5 人名识别的评价65

3.6 名称变体的识别和合并66

3.6.1 非罗马字符构成名称的音译66

3.6.2 名称变体的“标准化”67

3.6.3 （标准化）名称变体的近似匹配68

3.7 总结与展望69

第4章 多语语料库中命名实体的音译和发现71

4.1 引言71

4.2 前人工作73

4.3 协同排序：命名实体发现的一个算法74

4.3.1 时间序列生成和匹配76

4.3.2 音译模型76

4.4 实验性研究77

4.4.1 命名实体发现78

4.4.2 初始例子集合规模81

4.4.3 时间序列打分函数的比较81

4.5 结论82

4.6 未来工作82

第5章 基于多预处理机制的统计词对齐融合84

5.1 引言84

5.2 相关工作84

5.3 阿拉伯语的预处理机制85

5.4 对齐的预处理机制86

5.4.1 Giza +++对齐86

5.4.2 对齐重映射87

5.5 对齐融合87

5.6 评价89

5.6.1 实验数据和评价指标89

5.6.2 对齐重映射的贡献90

5.6.3 融合特征的贡献91

5.6.4 每个单一特征的作用91

5.6.5 对齐合并实验92

5.6.6 测试集评估93

5.6.7 对齐规则分析94

5.6.8 错误分析95

5.7 后记：机器翻译和词对齐的改进96

5.7.1 实验设置97

5.7.2 结果97

5.8 结论99

第6章 用于判别式语言建模的语言学增强的词序列核100

6.1 动机100

6.2 增加语言学知识的词序列核方法101

6.2.1 词序列核方法101

6.2.2 因子化表示方法和核组合103

6.2.3 因子化的核103

6.2.4 实例说明105

6.2.5 有理数核的解释106

6.3 实验验证107

6.3.1 各个因子上的核108

6.3.2 因子的整合109

6.3.3 与n元模型的比较111

6.4 结论和未来的工作113

6.5 附录114

第二部分：机器翻译119

第7章 走向树结构翻译模型的纯粹判别式训练119

7.1 引言119

7.2 相关工作120

7.3 学习方法121

7.3.1 问题表征122

7.3.2 目标函数122

7.3.3 风险最小化123

7.4 实验127

7.4.1 数据127

7.4.2 词转录128

7.4.3 词包转录131

7.4.4 树转录133

7.5 结论135

第8章 大规模统计机器翻译重排序137

8.1 引言137

8.2 背景138

8.3 相关工作138

8.4 我们的方法140

8.5 实验1：汉译英系统的重排序141

8.5.1 重排序器的训练142

8.5.2 实验结果142

8.6 实验2：法译英系统的重排序145

8.6.1 实验结果146

8.7 讨论149

8.8 结论150

8.9 附录150

第9章 基于核的机器翻译155

9.1 引言155

9.2 统计机器翻译中的回归模型156

9.2.1 岭回归156

9.2.2 n元语法字符串核157

9.2.3 大规模训练158

9.2.4 基于检索的稀疏近似法158

9.3 解码160

9.3.1 原像问题160

9.3.2 柱搜索160

9.3.3 复杂性分析161

9.4 实验162

9.4.1 语料162

9.4.2 系统配置163

9.4.3 岭回归实验163

9.4.4 稀疏近似实验165

9.4.5 搜索错误166

9.5 进一步讨论166

9.5.1 语言模型166

9.5.2 语言学知识167

9.6 小结167

第10章 通过全局词汇选择和句子重构实现统计机器翻译169

10.1 简介169

10.2 SFST训练和解码170

10.2.1 单词对齐170

10.2.2 双语言表示法171

10.2.3 双语短语获取和局部重排序172

10.2.4 SFST模型173

10.2.5 解码173

10.2.6 单词插入模型174

10.2.7 全局重排序174

10.3 词汇选择判别模型175

10.3.1 连续词汇选择模型176

10.3.2 词袋词汇选择模型177

10.4 选择分类器177

10.4.1 多元与二元分类器对比178

10.4.2 几何与概率解释178

10.4.3 L1与L2正则化179

10.5 数据和实验180

10.5.1 联合国和英国国会议事录语料182

10.6 讨论183

10.7 结论184

第11章 统计机器翻译的判别式短语选择185

11.1 引言185

11.2 专用词语选择方法187

11.3 判别式短语翻译188

11.3.1 问题的设定189

11.3.2 学习189

11.3.3 特征设置190

11.4 局部短语翻译192

11.4.1 数据集及设置192

11.4.2 评价193

11.4.3 参数调整193

11.4.4 性能比较194

11.4.5 整体性能195

11.5 为全局任务使用局部判别式短语翻译模型197

11.5.1 基准系统197

11.5.2 软集成判别式短语翻译的预测结果198

11.5.3 设置200

11.5.4 评价200

11.5.5 参数调整205

11.5.6 结果206

11.6 结论211

第12章 用于机器翻译的半监督学习214

12.1 引言214

12.2 基线机器翻译系统215

12.3 框架216

12.3.1 Yarowsky算法216

12.3.2 用于统计机器翻译的半监督学习算法218

12.3.3 过滤器函数218

12.3.4 估计函数219

12.3.5 评分函数219

12.3.6 选择函数220

12.4 实验结果221

12.4.1 设置221

12.4.2 汉英翻译结果223

12.4.3 法英结果226

12.4.4 翻译例子228

12.5 先前工作229

12.6 结论与展望230

第13章 学习系统融合机器翻译系统232

13.1 引言232

13.2 词对齐234

13.2.1 问题表示234

13.2.2 词对齐估计234

13.2.3 词汇调序237

13.2.4 相关研究中的其他对齐方法238

13.3 CN的生成和评分239

13.3.1 建立CN239

13.3.2 概率估计241

13.3.3 带有R-best译文翻译系统融合242

13.3.4 共识翻译的抽取242

13.3.5 语言模型重评分243

13.3.6 保留单词的大小写信息244

13.3.7 系统融合的参数优化244

13.4 实验244

13.4.1 翻译任务及环境244

13.4.2 评价标准245

13.4.3 对比实验245

13.4.4 最终结果247

13.5 结论248

参考文献249

中英文术语279