| 中文摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第10-18页 |
| 1.1 研究背景和意义 | 第10-11页 |
| 1.2 国内外研究现状 | 第11-15页 |
| 1.2.1 基于短语的统计机器翻译 | 第11-12页 |
| 1.2.2 基于句法的统计机器翻译 | 第12-14页 |
| 1.2.3 基于分布式语义的统计机器翻译 | 第14-15页 |
| 1.3 本文研究内容 | 第15-16页 |
| 1.4 论文组织结构 | 第16-18页 |
| 第二章 相关知识介绍 | 第18-29页 |
| 2.1 统计机器翻译概述 | 第18-23页 |
| 2.1.1 双语语料库构建 | 第18-19页 |
| 2.1.2 模型训练 | 第19-21页 |
| 2.1.3 解码 | 第21页 |
| 2.1.4 评价标准 | 第21-23页 |
| 2.2 层次短语翻译模型 | 第23-24页 |
| 2.3 神经网络 | 第24-28页 |
| 2.3.1 前馈神经网络 | 第24-26页 |
| 2.3.2 自动编码器 | 第26-28页 |
| 2.4 本章小结 | 第28-29页 |
| 第三章 基于单词分布式语义的统计翻译建模 | 第29-40页 |
| 3.1 引言 | 第29-30页 |
| 3.2 单词分布式语义表示 | 第30-32页 |
| 3.2.1 点阵稀疏表示 | 第30页 |
| 3.2.2 向量空间表示 | 第30-31页 |
| 3.2.3 单词嵌入表示 | 第31-32页 |
| 3.3 单词语义信息获取 | 第32-34页 |
| 3.3.1 逐点互信息（PMI）获取单词向量 | 第32页 |
| 3.3.2 Word2vec获取单词嵌入 | 第32-34页 |
| 3.4 双语语义向量非线性映射 | 第34-35页 |
| 3.5 实验设计与分析 | 第35-39页 |
| 3.5.1 实验设置 | 第36-37页 |
| 3.5.2 基准系统介绍 | 第37页 |
| 3.5.3 实验结果与分析 | 第37-39页 |
| 3.6 本章小结 | 第39-40页 |
| 第四章 基于向量混合的短语合成语义统计翻译建模 | 第40-52页 |
| 4.1 引言 | 第40-42页 |
| 4.2 翻译相似度模型 | 第42-43页 |
| 4.2.1 欧氏距离 | 第42页 |
| 4.2.2 余弦相似度 | 第42-43页 |
| 4.2.3 两者对比 | 第43页 |
| 4.3 短语合成语义向量获取 | 第43-46页 |
| 4.3.1 带权向量加法 | 第44-45页 |
| 4.3.2 向量乘法 | 第45-46页 |
| 4.3.3 权值训练 | 第46页 |
| 4.4 实验设计与分析 | 第46-51页 |
| 4.4.1 实验数据 | 第47页 |
| 4.4.2 实验设置 | 第47-49页 |
| 4.4.3 模型训练 | 第49页 |
| 4.4.4 实验结果与分析 | 第49-51页 |
| 4.5 本章小结 | 第51-52页 |
| 第五章 基于递归自动编码器的短语合成语义统计翻译建模 | 第52-62页 |
| 5.1 引言 | 第52-53页 |
| 5.2 短语合成语义向量获取 | 第53-54页 |
| 5.3 双语语义向量线性映射 | 第54-56页 |
| 5.4 实验设计与分析 | 第56-61页 |
| 5.4.1 实验数据 | 第56页 |
| 5.4.2 实验设置 | 第56-57页 |
| 5.4.3 向量混合短语系统与RAE短语系统对比 | 第57-59页 |
| 5.4.4 线性映射系统与非线性映射系统对比 | 第59-60页 |
| 5.4.5 翻译实例 | 第60-61页 |
| 5.5 本章小结 | 第61-62页 |
| 第六章 总结与展望 | 第62-64页 |
| 6.1 研究工作总结 | 第62-63页 |
| 6.2 下一步工作展望 | 第63-64页 |
| 参考文献 | 第64-71页 |
| 攻读硕士学位期间取得的科研成果 | 第71页 |
| 攻读硕士学位期间参与的科研项目 | 第71-72页 |
| 致谢 | 第72-74页 |