| 摘要 | 第5-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第10-19页 |
| 1.1 研究背景 | 第10-11页 |
| 1.2 研究意义 | 第11-13页 |
| 1.3 国内外研究现状 | 第13-17页 |
| 1.4 研究目标与研究内容 | 第17页 |
| 1.5 论文结构 | 第17-19页 |
| 第二章 相关理论与技术 | 第19-31页 |
| 2.1 统计语言模型 | 第19-20页 |
| 2.2 回复式神经网络 | 第20-23页 |
| 2.3 基于回复式神经网络的机器翻译模型 | 第23-25页 |
| 2.3.1 Encoder-Decoder模型 | 第23-24页 |
| 2.3.2 Sequence-to-Sequence模型 | 第24页 |
| 2.3.3 基于注意力机制的Encoder-Decoder模型 | 第24-25页 |
| 2.4 BLEU评分算法 | 第25-26页 |
| 2.5 BeamSearch算法 | 第26-28页 |
| 2.6 NLPIR分词技术 | 第28-29页 |
| 2.7 交叉熵损失 | 第29-30页 |
| 2.8 本章小结 | 第30-31页 |
| 第三章 基于语言模型和语句相似度的数据处理 | 第31-44页 |
| 3.1 引言 | 第31-32页 |
| 3.2 基于切分和泛化的数据处理 | 第32-34页 |
| 3.3 基于语言模型的数据清洗 | 第34-38页 |
| 3.4 基于语句相似度的数据筛选 | 第38-43页 |
| 3.4.1 编辑距离相似度 | 第38-40页 |
| 3.4.2 基于语句相似度的数据筛选 | 第40-43页 |
| 3.5 本章小结 | 第43-44页 |
| 第四章 基于分块原理的机器翻译 | 第44-58页 |
| 4.1 引言 | 第44-45页 |
| 4.2 基于分块原理的机器翻译模型 | 第45-57页 |
| 4.2.1 分块Encoder编码 | 第46-48页 |
| 4.2.2 分块原理 | 第48-50页 |
| 4.2.3 Decoder解码 | 第50-53页 |
| 4.2.4 基于语言模型的BeamSearch算法 | 第53-57页 |
| 4.3 本章小结 | 第57-58页 |
| 第五章 实验评估 | 第58-70页 |
| 5.1 引言 | 第58页 |
| 5.2 实验环境及数据集 | 第58-59页 |
| 5.3 对比实验 | 第59-69页 |
| 5.3.1 数据处理方法对比实验 | 第59-60页 |
| 5.3.2 机器翻译技术对比实验 | 第60-69页 |
| 5.4 本章小结 | 第69-70页 |
| 第六章 总结与展望 | 第70-72页 |
| 6.1 总结 | 第70页 |
| 6.2 展望 | 第70-72页 |
| 致谢 | 第72-73页 |
| 参考文献 | 第73-75页 |
