1、量机以训练误差作为优化问题的约束条件，以置信范围值最小化作为优化目标，即是种基于结构风险最小化准则的学习方法。目标找到个超平面，使得它能够尽可能多的将两类数据点正确的分开，同时使分开的两类数据点距离分类面最远。是从线性可分情况下的最优分类面发展而来的,基本思想可用下图的两维情况说明。图中,方形点和圆形点。
2、征空间划分的最优超平面是的目标,最大化分类边界的思想是方法的核心支持向量是的训练结果,在分类决策中起决定作用的是支持向量。由于的求解最后转化成二次规划问题的求解，因此的解是全局唯的最优解在解决小样本非线性及高维模式识别问题中表现出许多特有的优势，基于的无参考译文的译文质量评测宁伟季铎蔡东风报告人宁伟沈。
3、特征浅层句子模板句法树第层短语模板模板库错误句法模板错误标记所在的根节点的孩子节点例如浅层句子模板短语模板模板错误词性模板错误句法模板实验语料语料专利摘要训练语料,篇质量好的译文,.”。错误类型多词错误少词错误非翻译规范错误表达不够流畅语法错误特征选择浅层词法特征词词性。
4、代表两类样本,为分类线分别为过各类中离分类线最近的样本且平行于分类线的直线,它们之间的距离叫做分类间隔。所谓最优分类线就是要求分类线不但能将两类正确分开训练错误率为,而且使分类间隔最大。推广到高维空间，最优分类线就变为最优分类面。特点非线性映射是方法的理论基础,利用内积核函数代替向高维空间的非线性映射对。
5、篇质量较差的译文测试语料篇实验结果浅层词法特征深层句法特征正确率召回率值译文定性评测语言模型实验分析从实验结果可以看出，本文的评测方法可以在定程度上反映译文的质量，并且和人工评测结果有定的相关性，但是其正确率还不是很理想，分析原因包括以下几点在特征选取时，本文仅根据频率对模板进行的规范化处理方。
6、测结果有定的相关性，但是其正确率还不是很理想，分析原因包括以下几点在特征选取时，本文仅根据频率对模板进行法特征浅层句子模板句法树第层短语模板模板库错误句法模板错误标记所在的根节点的孩子节点例如浅层句子模板短语模板模板错误词性模板错误句法模板实验语料语料专利摘要训练语料,篇质量好的译文。
7、性和忠实度三个方面综合考虑，涉及语法知识和语义知识，是个很有研究意义但解决难度较大的研究课题。本文在无参考译文的情况下，采用机器学习的方法对译文质量进行评测，实验中采用翻译公司审校过的译文做训练和测试语料，并且错误是由专门的审校人员手工标注的，语料具有很高的可信性和说明性，实验结果表明该方法和人工评测结果有。
8、参考译文标准答案，通过比较待测译文和参考译文的相似程度判断相对于人工评测，自动评测最大的特点就是效率高，可复用，可以统篇质量较差的译文测试语料篇实验结果浅层词法特征深层句法特征正确率召回率值译文定性评测语言模型实验分析从实验结果可以看出，本文的评测方法可以在定程度上反映译文的质量，并且和人工评。
9、面进行改进，而且如何降低句法分析错误对特征选取的影响也是需要考虑的。，可能会丢失些重要特征译文中存在的错误对句法分析结果有定的影响语料规模的限制，数据稀疏现象还比较严重训练语料是人工标注的，虽然本文在实验中已经对标记进行了预处理，但是仍然存在着些不规范的标记。结论与展望译文质量自动评测需要从流畅度正。
10、句子低概率及未出现错误词性模板从带错误标记的语料中抽取个错误词性模板库深层句标准准确性差，可信度小需要参考译文。评测的目的和要求精确评测打分，并指出错误点定性的评价译文好坏。本文出发点对译文进行定性的评测而非精确的质量评价对象机器辅助翻译的结果采用机器学习的方法。于年提出的支持。
11、定的相关性。但本文的实验结果还不是很理想，下步打算从语料的规模以及语料错误标记并能够推广应用到函数拟合等其他机器学习问题中.本文方法借鉴人工打分的方法对句子按照错误类型进行分类不同的错误类型给定不同的扣分权重实验流程语料处理错误标记的处理特征选择训练分类器打分训练语料“,脉冲。
12、阳航空工业学院知识工程中心主要内容问题的提出本文的方法实验及实验结果分析结论问题的提出翻译的发展评测的重要性评测的定义是对象的集合是用户的集合是值的集合评测的实现手段人工评测自动评测人工评测指标流畅度忠实度正确性人工评测特点准确可信周期长成本高不可复用主观性强自动评测给。
参考资料：
1、该PPT不包含附件（如视频、讲稿)，本站只保证下载后内容跟在线阅读一样，不确保内容完整性，请务必认真阅读。
2、有的文档阅读时显示本站（www.woc88.com）水印的，下载后是没有本站水印的（仅在线阅读显示），请放心下载。
3、除PDF格式下载后需转换成word才能编辑，其他下载后均可以随意编辑、修改、打印。
4、有的标题标有”最新”、多篇，实质内容并不相符，下载内容以在线阅读为准，请认真阅读全文再下载。
5、该文档为会员上传，下载所得收益全部归上传者所有，若您对文档版权有异议，可联系客服认领，既往收入全部归您。
基于SVM的无参考译文的译文质量评测