| 摘要 | 第4-5页 |
| Abstract | 第5页 |
| 第1章 绪论 | 第9-18页 |
| 1.1 课题背景与意义 | 第9-11页 |
| 1.2 研究现状 | 第11-16页 |
| 1.2.1 神经网络机器翻译的研究现状 | 第11-15页 |
| 1.2.2 神经网络机器翻译中未登录词处理的研究现状 | 第15-16页 |
| 1.3 研究内容及章节安排 | 第16-18页 |
| 第2章 利用上下文信息后处理未登录词 | 第18-32页 |
| 2.1 引言 | 第18页 |
| 2.2 模型介绍 | 第18-24页 |
| 2.2.1 循环神经网络 | 第18-22页 |
| 2.2.2 神经网络机器翻译 | 第22-23页 |
| 2.2.3 Rank SVM模型 | 第23-24页 |
| 2.3 排序模型训练数据构造以及特征介绍： | 第24-26页 |
| 2.3.1 排序模型训练数据构造 | 第24-25页 |
| 2.3.2 未登录词上下文特征 | 第25-26页 |
| 2.4 实验 | 第26-31页 |
| 2.4.1 实验数据介绍 | 第26-27页 |
| 2.4.2 实验设置 | 第27-28页 |
| 2.4.3 实验结果与分析 | 第28-31页 |
| 2.5 本章小结 | 第31-32页 |
| 第3章 使用语义信息表示未登录词 | 第32-43页 |
| 3.1 引言 | 第32页 |
| 3.2 相似词预处理方法介绍 | 第32-36页 |
| 3.2.1 翻译测试时相似词替换策略 | 第32-34页 |
| 3.2.2 NMT训练中相似词替换策略 | 第34-36页 |
| 3.3 聚类预处理方法介绍 | 第36-38页 |
| 3.3.1 基本的类别替换策略 | 第36-37页 |
| 3.3.2 由粗到细的训练方法 | 第37-38页 |
| 3.4 实验结果与分析 | 第38-42页 |
| 3.4.1 实验数据 | 第38-39页 |
| 3.4.2 参数设置 | 第39-40页 |
| 3.4.3 相似词预处理OOV的实验结果与分析 | 第40-41页 |
| 3.4.4 聚类预处理OOV的实验结果与分析 | 第41-42页 |
| 3.5 本章小结 | 第42-43页 |
| 第4章 使用层次聚类词向量处理未登录词 | 第43-51页 |
| 4.1 引言 | 第43页 |
| 4.2 加入OOV层次语义聚类的NMT模型 | 第43-47页 |
| 4.2.1 未登录词的语义层次聚类 | 第44-45页 |
| 4.2.2 使用层次聚类词向量来表示未登录词 | 第45-46页 |
| 4.2.3 预测目标端的未登录词 | 第46-47页 |
| 4.3 实验 | 第47-50页 |
| 4.3.1 实验数据 | 第47页 |
| 4.3.2 实验设置 | 第47-48页 |
| 4.3.3 实验结果 | 第48-49页 |
| 4.3.4 实例分析 | 第49-50页 |
| 4.4 本章小结 | 第50-51页 |
| 结论 | 第51-53页 |
| 参考文献 | 第53-57页 |
| 攻读硕士学位期间发表的学术论文及其他成果 | 第57-59页 |
| 致谢 | 第59-60页 |