| 摘要 | 第3-4页 |
| Abstract | 第4-5页 |
| 1 绪论 | 第8-19页 |
| 1.1 研究背景与意义 | 第8-9页 |
| 1.2 国内外研究现状与发展趋势 | 第9-16页 |
| 1.2.1 基于规则的机器翻译 | 第9页 |
| 1.2.2 基于语料库的机器翻译 | 第9-14页 |
| 1.2.3 评测方法 | 第14-15页 |
| 1.2.4 发展趋势 | 第15-16页 |
| 1.3 论文的主要研究内容 | 第16-17页 |
| 1.4 组织结构 | 第17页 |
| 1.5 本章小结 | 第17-19页 |
| 2 相关基础与技术方法 | 第19-26页 |
| 2.1 基于循环神经网络的模型 | 第19-22页 |
| 2.1.1 循环神经网络 | 第19-20页 |
| 2.1.2 长短时记忆神经网络(LSTM) | 第20页 |
| 2.1.3 门限循环单元(GRU) | 第20-21页 |
| 2.1.4 基于RNN/LSTM/GRU的机器翻译 | 第21-22页 |
| 2.2 基于注意力(ATTENTION)机制的机器翻译模型 | 第22-25页 |
| 2.3 本章小结 | 第25-26页 |
| 3 基于衰减权重损失函数的解码模型 | 第26-31页 |
| 3.1 衰减权重损失函数的解码器思想 | 第26页 |
| 3.2 衰减权重损失函数模型 | 第26-29页 |
| 3.2.1 神经网络中的损失函数 | 第26-27页 |
| 3.2.2 机器翻译中的损失函数 | 第27-28页 |
| 3.2.3 基于衰减权重的损失函数模型 | 第28-29页 |
| 3.3 实验与结果分析 | 第29-30页 |
| 3.3.1 实验数据 | 第29页 |
| 3.3.2 实验过程 | 第29页 |
| 3.3.3 结果与分析 | 第29-30页 |
| 3.4 本章小结 | 第30-31页 |
| 4 基于组嵌入的编码模型 | 第31-39页 |
| 4.1 组嵌入的思想 | 第31页 |
| 4.2 组嵌入模型 | 第31-34页 |
| 4.2.1 组嵌入基本方法 | 第31-33页 |
| 4.2.2 组的划分依据 | 第33页 |
| 4.2.3 组嵌入的模型示意 | 第33-34页 |
| 4.3 实验与结果分析 | 第34-37页 |
| 4.3.1 实验数据 | 第34页 |
| 4.3.2 实验过程 | 第34-35页 |
| 4.3.3 效果评测 | 第35页 |
| 4.3.4 结果与分析 | 第35-37页 |
| 4.4 本章小结 | 第37-39页 |
| 5 总结与展望 | 第39-41页 |
| 5.1 总结 | 第39页 |
| 5.2 展望 | 第39-41页 |
| 致谢 | 第41-43页 |
| 参考文献 | 第43-45页 |