2023年全國碩士研究生考試考研英語一試題真題(含答案詳解+作文范文)_第1頁
已閱讀1頁,還剩63頁未讀 繼續(xù)免費閱讀

下載本文檔

版權(quán)說明:本文檔由用戶提供并上傳,收益歸屬內(nèi)容提供方,若內(nèi)容存在侵權(quán),請進行舉報或認領(lǐng)

文檔簡介

1、機器翻譯自動評價是近年機器翻譯研究工作中的熱點問題。機器翻譯的自動評價具有速度快、成本低、一致性強的特點,在機器翻譯系統(tǒng)的開發(fā)周期中起著重要的作用。句子級機器翻譯評價的性能目前低于系統(tǒng)級評價,而人們對句子級評價的需求,促進了句子級機器翻譯評價的研究工作。
  在句子級機器翻譯評價的研究工作中,機器學(xué)習(xí)方法得到了廣泛的應(yīng)用。其中基于支持向量機(SVM)方法的應(yīng)用最為廣泛。支持向量機的學(xué)習(xí)策略包括分類、回歸和排序三種,而本文主要研究了

2、回歸策略和排序策略。
  在機器學(xué)習(xí)方法中,特征的選擇是至關(guān)重要的。本文通過探討語言學(xué)特征與傳統(tǒng)的基于字符串相似度的特征間的相互作用,以及分析英漢翻譯測試中各種翻譯錯誤與人工評價間的相關(guān)性,得出了“在關(guān)鍵語言層次上設(shè)計關(guān)鍵特征,并與基于相似度特征相結(jié)合”的特征選擇策略。
  根據(jù)本文的特征選擇策略,本文設(shè)計了六個基于語言學(xué)知識的特征,并將其與三個基于字符串相似度的特征結(jié)合起來,使用語言學(xué)特征、基于字符串的特征,以及所有九個特

3、征訓(xùn)練了SVM回歸模型,實驗表明,六個語言學(xué)特征具有與基于字符串特征不相上下的表達能力,而兩類特征的結(jié)合、互補,帶來了顯著提升的性能。學(xué)習(xí)曲線分析表明,幾種特征組合均呈現(xiàn)了穩(wěn)定的性能和良好的泛化能力。
  本文在NIST和WMT兩類數(shù)據(jù)集上對SVM回歸和SVM排序上進行了性能、泛化能力以及魯棒性的比較。通過實驗,本文發(fā)現(xiàn)在同構(gòu)數(shù)據(jù)集上,SVM回歸的性能要優(yōu)于SVM排序,而在異構(gòu)數(shù)據(jù)集上,SVM排序則表現(xiàn)出較強的魯棒性。而且,通過考

溫馨提示

  • 1. 本站所有資源如無特殊說明,都需要本地電腦安裝OFFICE2007和PDF閱讀器。圖紙軟件為CAD,CAXA,PROE,UG,SolidWorks等.壓縮文件請下載最新的WinRAR軟件解壓。
  • 2. 本站的文檔不包含任何第三方提供的附件圖紙等,如果需要附件,請聯(lián)系上傳者。文件的所有權(quán)益歸上傳用戶所有。
  • 3. 本站RAR壓縮包中若帶圖紙,網(wǎng)頁內(nèi)容里面會有圖紙預(yù)覽,若沒有圖紙預(yù)覽就沒有圖紙。
  • 4. 未經(jīng)權(quán)益所有人同意不得將文件中的內(nèi)容挪作商業(yè)或盈利用途。
  • 5. 眾賞文庫僅提供信息存儲空間,僅對用戶上傳內(nèi)容的表現(xiàn)方式做保護處理,對用戶上傳分享的文檔內(nèi)容本身不做任何修改或編輯,并不能對任何下載內(nèi)容負責。
  • 6. 下載文件中如有侵權(quán)或不適當內(nèi)容,請與我們聯(lián)系,我們立即糾正。
  • 7. 本站不保證下載資源的準確性、安全性和完整性, 同時也不承擔用戶因使用這些下載資源對自己和他人造成任何形式的傷害或損失。

評論

0/150

提交評論