| 1 PROLOGUE | 第7-12页 |
| 2 MT STATE OF THE ART | 第12-33页 |
| 2．1 MT AS SYMBOLIC SYSTEMS | 第12-15页 |
| 2．2 PRACTICAL MT | 第15-17页 |
| 2．3 ALTERNATIVE TECHNIQUE OF MT | 第17-29页 |
| 2．3．1 Theoretical foundation | 第17-18页 |
| 2．3．2 Translation model | 第18-26页 |
| 2．3．3 Language model | 第26-29页 |
| 2．4 DISCUSSION | 第29-33页 |
| 3 CONNECTIONIST SOLUTIONS | 第33-94页 |
| 3．1 NLp MODELS | 第33-42页 |
| 3．2 REPRESENTATION | 第42-48页 |
| 3．3 PHONOLOGICAL PROCESSING | 第48-52页 |
| 3．4 LEARNING VERB PAST TENSE | 第52-56页 |
| 3．5 PART OF SPEECH TAGGING | 第56-60页 |
| 3．6 CHINESE COLLOCATION LEARNING | 第60-62页 |
| 3．7 SYNTACTIC PARSING | 第62-81页 |
| 3．7．1 Leaning active/passive transformation | 第62-66页 |
| 3．7．2 Confluent preorder parsing | 第66-70页 |
| 3．7．3 Parsing with flat structures | 第70-75页 |
| 3．7．4 Parsing embedded clauses | 第75-78页 |
| 3．7．5 Parsing with deeper structures | 第78-81页 |
| 3．8 DISCOURSE ANALYSIS | 第81-90页 |
| 3．8．1 Story gestalt and text understanding | 第81-84页 |
| 3．8．2 Processing stories with scriptural knowledge | 第84-90页 |
| 3．9 MACHINE TRANSLATION | 第90-91页 |
| 3．10 CONCLUSION | 第91-94页 |
| 4 NEUROTRANS DESIGN CONSIDERATIONS | 第94-109页 |
| 4．1 SCALABILITY AND EXTENSIBILITY | 第95-97页 |
| 4．2 TRANSFER OR INTER-LINGUAL | 第97-98页 |
| 4．3 HYBRID OR FULLY CONNECTIONIST | 第98-99页 |
| 4．4 THE USE OF LINGUISTIC KNOWLEDGE | 第99-100页 |
| 4．5 TRANSLATION AS A TWO-STAGE PROCESS | 第100-102页 |
| 4．6 SELECTION OF NETWORK MODELS | 第102-104页 |
| 4．7 CONNECTIONIST IMPLEMENTATION | 第104-105页 |
| 4．8 CONNECTIONIST REPRESETATION ISSUES | 第105-107页 |
| 4．9 CONCLUSION | 第107-109页 |
| 5 ANEURAL LEXICON MODEL | 第109-165页 |
| 5．1 LANGUAGE DATA | 第109-114页 |
| 5．2 KNOWLEDGE REPRESENTATION | 第114-136页 |
| 5．2．1 Symbolic approach | 第114-121页 |
| 5．2．2 The statistical approach | 第121-124页 |
| 5．2．3 Connectionist approach | 第124-126页 |
| 5．2．4 NeuroTrans' input/output representation | 第126-131页 |
| 5．2．5 NeuroTrans'lexicon representation | 第131-136页 |
| 5．3 IMPLEMENTING THE NEURALAL LEXICON | 第136-145页 |
| 5．3．1 Words in context | 第136-138页 |
| 5．3．2COntext with weights | 第138页 |
| 5．3．3 Details of algorithm | 第138-142页 |
| 5．3．4 The Neural Lexicon Builder | 第142-145页 |
| 5．4 TRAINING | 第145-160页 |
| 5．4．1 Sample preparation | 第145-151页 |
| 5．4．2 Training results | 第151-157页 |
| 5．4．3 Generalization test | 第157-160页 |
| 5．5 DISCUSSION | 第160-165页 |
| 5．5．1 Adequacy | 第160-161页 |
| 5．5．2 Scalability and Extensibility | 第161-162页 |
| 5．5．3 Efficiency | 第162-163页 |
| 5．5．4 Weaknesses | 第163-165页 |
| 6 IMPLEMENTING THE LANGUAGE MODEL | 第165-189页 |
| 6．1 OVERVIEW | 第165-167页 |
| 6．2 DESIGN | 第167-175页 |
| 6．2．l Redefining the generatation problem | 第167-170页 |
| 6．2．2 Defining jumble activity | 第170-174页 |
| 6．2．3 Language model structure | 第174-175页 |
| 6．3 IMPLEMENTATION | 第175-185页 |
| 6．3．1 Network structure | 第175-176页 |
| 6．3．2 Sapmling | 第176-178页 |
| 6．3．3 Trainig and results | 第178-182页 |
| 6．3．4 Generalization test | 第182-185页 |
| 6．4 DISCUSSION | 第185-189页 |
| 6．4．1 Insufficient data | 第185页 |
| 6．4．2 Information richness | 第185-186页 |
| 6．4．3 Insufficient contextual information | 第186-187页 |
| 6．4．4 Distributed language model | 第187-189页 |
| 7 CONCLUSION | 第189-190页 |
| 8 REFERENCES | 第190-202页 |
