版權說明：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，請進行舉報或認領
文檔簡介
1、在漫長的歷史長河中，古漢語書寫的典籍汗牛充棟。近年來，統(tǒng)計機器翻譯技術得到了很大發(fā)展。Moses等開源的翻譯工具只需要雙語平行句對即可訓練出翻譯系統(tǒng)。同時，其他自然語言處理技術的發(fā)展更是激勵著人們解決現(xiàn)實的人工智能問題。本課題的目的在于探索文言文翻譯及閱讀理解答題的關鍵技術。為了解決這個任務，我們的研究包含以下幾個方面。
?。?）古漢語現(xiàn)代漢語平行語料庫的獲取和加工。本文利用互聯(lián)網(wǎng)上存在的古漢語現(xiàn)代漢語平行網(wǎng)頁獲取古漢語現(xiàn)代漢語
2、平行語料庫。本文將平行語料的獲取分為兩個階段，第一個階段是獲取網(wǎng)頁正文，第二個階段是句子對齊。通過對基于DOM樹的文本密度的方法進行改進，我們提出基于DOM樹的標點密度的方法。在獲取古漢語現(xiàn)代漢語網(wǎng)頁正文時，我們的方法F值得到了一定的提升。在句子對齊時，我們引入句子長度、匹配模式、同源率，使用對數(shù)線性模型對句子得分進行建模。通過不同的框架，我們引入了10個同源率。和基于長度的句子對齊方法相比，我們的方法使結果得到了較大的提升。
3、 （2）基于Moses的古漢語和現(xiàn)代漢語翻譯系統(tǒng)的優(yōu)化。本文在獲取了古漢語現(xiàn)代漢語平行句對后，對翻譯系統(tǒng)的優(yōu)化進行研究。我們使用Moses從語言模型和翻譯模型兩個方面進行優(yōu)化。在語言模型方面，我們從語料、平滑方法、模型混合等方面進行分析。在翻譯模型方面，我們考慮分詞對翻譯模型的影響。我們的方法使翻譯系統(tǒng)性能得到了較大幅度的提升。
?。?）文言文閱讀理解答題技術的研究。對選中的三類題進行答題技術的研究。將選項準確性抽象為某種相似度
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)容里面會有圖紙預覽，若沒有圖紙預覽就沒有圖紙。
- 4. 未經(jīng)權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