融合属性权重信息的商品本体构建研究.pptVIP

下载本文档

4
0
约小于1千字
约 13页
2017-09-01 发布于重庆
举报
版权申诉

融合属性权重信息的商品本体构建研究.ppt

1、本文档共13页，可阅读全部内容。
2、原创力文档（book118）网站文档一经付费（服务费），不意味着购买了该文档的版权，仅供个人/单位学习、研究之用，不得用于商业用途，未经授权，严禁复制、发行、汇编、翻译或者网络传播等，侵权必究。
3、本站所有内容均由合作方或网友上传，本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺！文档内容仅供研究参考，付费前请自行鉴别。如您付费，意味着您自己接受本站规则且自行承担风险，本站不退款、不进行额外附加服务；查看《如何避免下载的几个坑》。如果您已付费下载过本站文档，您可以点击这里二次下载。
4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等，请点击“版权申诉”（推荐），也可以打举报电话：400-050-0827(电话支持时间：9:00-18:30)。
5、该文档为VIP文档，如果想要下载，成为VIP会员后，下载免费。
6、成为VIP后，下载本文档将扣除1次下载权益。下载后，不支持退款、换文档。如有疑问请联系我们。
7、成为VIP后，您将拥有八大权益，权益包括：VIP文档下载权益、阅读免打扰、文档格式转换、高级专利检索、专属身份标志、高级客服、多端互通、版权登记。
8、VIP文档为合作方或网友上传，每下载1次，网站将根据用户上传文档的质量评分、类型等，对文档贡献者给予高额补贴、流量扶持。如果你也想贡献VIP文档。上传文档

统计机器翻译译文实词丢失处理方法研究王星谢军宋林峰吕雅娟姚建民 * 主要内容研究背景研究意义研究现状研究内容总结及未来工作 * 研究背景翻译错误示例（来自） * 研究背景翻译错误示例 * 研究背景 * 分词，对齐，对齐工具参数学习错误传播研究意义本研究对(层次)短语翻译模型的机器翻译有着积极作用：过滤冗余短语和错误短语能够节省内存使用，加快翻译解码速度。过滤实词（content word）翻译丢失的噪声短语提高译文的忠实度，避免产生语法及语义错误。 * 研究现状短语质量评价模型：实词翻译丢失（汉-英）：现有的方法分大致为2类：简单的针对未对齐词进行处理（ Zhang et al EAMT2009）利用短语词对齐信息设计模型（Och et al NAACL2004， Huck et al NAACL2012） * 研究内容提出一种实词翻译丢失检测方法进行短语过滤，设置短语检测限制条件： S = {noun，verb，adj，adv, pron} 引入Wordnet * 研究内容流程图 * 研究内容 * 研究内容 * 部分Baseline译文与短语过滤后译文。总结及未来工作工作不足：分词，词性标注等产生错误，导致合格短语被过滤。习语翻译，意翻等不适按字面翻译，对齐时候可能无法全部对齐，导致合格短语被过滤。（eg. can you tell me | 能告诉我） * 谢谢！ * “忠实度”反映的是机器翻译系统生成的译文在多大程度上忠实于原文所要表达的意思。 * “忠实度”反映的是机器翻译系统生成的译文在多大程度上忠实于原文所要表达的意思。 * “忠实度”反映的是机器翻译系统生成的译文在多大程度上忠实于原文所要表达的意思。 * “忠实度”反映的是机器翻译系统生成的译文在多大程度上忠实于原文所要表达的意思。 *