文档介绍：苏州大学学位论文独创性声明不含其他个人或集体已经发表或撰写过的研究成果,也不含为获得苏州大学或其它教育机构的学位证书而使用过的材料。对本文的研究作出重要贡献的个人和集体,均已在文中以明确方式标明。本人承担本论文作者签名:本人郑重声明:所提交的学位论文是本人在导师的指导下,独立进行研究工作所取得的成果。除文中已经注明引用的内容外,本论文声明的法律责任。
蓿�二且苏州大学学位论文使用授权声明�Γ�.似本人完全了解苏州大学关于收集、保存和使用学位论文的规定,即:学位论文著作权归属苏州大学。本学位论文电子文档的内容和纸质论文的内容相一致。苏州大学有权向国家图书馆、中国社科院文献信息情报中心、中国科学技术信息研究所��蚍绞�莸缱映霭嫔�、中国学术期刊�馀贪�电子杂志社送交本学位论文的复印件和电子文档,允许论文被查阅和借阅,可以采用影印、缩印或其他复制手段保存和汇编学位论文,可以将学位论文的全部或部分内容编入有关数据库进行检索。月解密后适用本规定。论文作者签名:导师签名:涉密论文口本学位论文属在年非涉密论文口�期:�日期:�
基于��拇蠊婺F叫杏锪峡夤菇ǚ椒ㄑ芯�中文摘要大规模平行语料库是机器翻译、跨语言信息检索等自然语言处理应用的重要资源。互联网上存在着海量的多语言平行资源,以往的一些研究都致力于从一些多语网站中获取平行�椿ノ7��的单语网页对,进而获取平行语料。虽然许多机构都已经展开建设双语平行语料库的工作,但现有语料库在数量、质量以及领域覆盖性等方面还不能满足处理真实文本的需要。目前,学者发现在��纤�锲叫凶试床唤龃嬖�于两个平行的单语网页对中,还存在于双语混合网页中,且存在于双语混合网页内部的平行资源翻译质量更高、数据规模更大、领域覆盖更广。本文的研究就是基于双语混合网页展开,致力于研究如何自动构建一个大规模双语平行语料库。取得的主要成�剿骰�赪�获取双语混合网页互联网中索引了海量的网页,如何准确获取双语混合网页是个充满挑战的任务。以往的研究都是采用限定目标源的方法,即预先收集大量的源站点�热缬⒂镅�巴�站、翻译网站等��缓蟮莨橄略厮�心诓客�匙魑:蜓∷�锘旌贤�场5�歉梅椒�中源站点的选择需要人工干预,且获取的网页数量有限。为了克服这些缺点,还有一些研究提出利用搜索引擎和启发式信息自动筛选得到候选源站点,但得到的候选资源良莠不齐,会下载到大量噪音网页。本文提出了一种借助搜索引擎和已获取的小规模平行语料来递归地发现并获取双语混合网页的方法,实验结果表明该方法能够快速地、准确地、持久地获取高质量的双语混合网页。�慕�怂�锲叫凶试闯槿⒍云爰际�双语混合网页中不仅包含有用的双语平行资源,还包含一些噪音信息,如广告信息、导航信息等,而且平行资源的存在形式多种多样,这些都给平行资源的抽取工作带来困难:此外,平行资源中的词汇量也大大超出双语词典的范围,这又增加了平行资源对齐工作的难度。本文提出通过自动学行资源在网页中的存在形式的方法来果归纳如下:基于��娜斯婺!疨行语料库构建方法研究
抽取平行资源,并使用基于长度、双语词典、翻译模型等方法来提高平行语料库的质量。关键词:��畔⑼诰颍��锲叫杏锪峡猓�叫凶试炊云耄��锘旌贤�郴袢。�机器学习作者:冯艳卉指导教师:姚建民中文摘要基于��拇蠊婺<仔杏锪峡夤菇ǚ椒ㄑ芯�Ⅱ
甌��琣��,��,��甇��.��,��瑂��瑃��琤��甀��琒��琲.�甪��瓾��琽��瑆��.��琾��.��猘�狿��猯—��産��
,��琤��篧��琤��瑂��,��.��甌��.��,��—��.�
目录第一章绪论⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..��概�А��.�芯勘尘啊��.��谕庋芯肯肿础��主要研究内容⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯一��论文的组织结构⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯..�第二章��畔⒊槿》椒ā��璴��自动提取��畔⒌墓丶�际酢��自动提取网页信息的常用方法⋯⋯⋯⋯⋯⋯⋯⋯⋯⋯