【摘要】：機(jī)器翻譯質(zhì)量估計(jì)是自然語言處理中的一個(gè)重要任務(wù),與傳統(tǒng)的機(jī)器翻譯自動(dòng)評(píng)價(jià)方法不同,譯文質(zhì)量估計(jì)方法評(píng)估機(jī)器譯文的質(zhì)量不使用人工參考譯文.針對(duì)目前句子級(jí)別機(jī)器譯文質(zhì)量估計(jì)特征提取嚴(yán)重依賴語言學(xué)分析導(dǎo)致泛化能力不足,并且制約著后續(xù)支持向量回歸算法的性能,提出了利用深度學(xué)習(xí)中上下文單詞預(yù)測(cè)模型和矩陣分解模型提取句子向量特征,并將其與遞歸神經(jīng)網(wǎng)絡(luò)語言模型特征相結(jié)合來提高譯文質(zhì)量自動(dòng)估計(jì)與人工評(píng)價(jià)的相關(guān)性.在WMT，

本文編號(hào)：2154238