文档级神经机器翻译研究
| 中文摘要 | 第4-6页 |
| abstract | 第6-7页 |
| 第一章 绪论 | 第11-16页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 研究现状 | 第12-13页 |
| 1.3 本文研究内容 | 第13-14页 |
| 1.4 论文组织结构 | 第14-16页 |
| 第二章 相关知识介绍 | 第16-23页 |
| 2.1 基于注意力的神经机器翻译模型简介 | 第16-20页 |
| 2.1.1 编码器 | 第16-17页 |
| 2.1.2 解码器 | 第17-18页 |
| 2.1.3 注意力网络 | 第18页 |
| 2.1.4 训练目标函数 | 第18-19页 |
| 2.1.5 平行语料库 | 第19页 |
| 2.1.6 译文评测方法 | 第19-20页 |
| 2.2 最大熵模型介绍 | 第20-21页 |
| 2.3 主题模型 | 第21-22页 |
| 2.4 本章小结 | 第22-23页 |
| 第三章 自动长句分割在神经机器翻译中的应用 | 第23-37页 |
| 3.1 引言 | 第23-24页 |
| 3.2 相关工作 | 第24-25页 |
| 3.3 分割模型 | 第25-29页 |
| 3.3.1 切分模型 | 第25-27页 |
| 3.3.2 切分模型训练 | 第27-28页 |
| 3.3.3 重新排序模型 | 第28页 |
| 3.3.4 重新排序模型训练 | 第28-29页 |
| 3.3.5 联合模型 | 第29页 |
| 3.4 实验设置与分析 | 第29-36页 |
| 3.4.1 实验设置 | 第30-31页 |
| 3.4.2 切分模型效果分析 | 第31-32页 |
| 3.4.3 重新排序模型效果分析 | 第32页 |
| 3.4.4 不同分割方式效果比较 | 第32-33页 |
| 3.4.5 长句翻译效果分析 | 第33-36页 |
| 3.5 本章小结 | 第36-37页 |
| 第四章 融合句子间信息的文档级神经机器翻译模型 | 第37-51页 |
| 4.1 引言 | 第37-38页 |
| 4.2 相关工作 | 第38-39页 |
| 4.3 融合句间门控模型的神经机器翻译系统 | 第39-41页 |
| 4.3.1 编码器 | 第39-40页 |
| 4.3.2 句间门控模型 | 第40-41页 |
| 4.3.3 解码器 | 第41页 |
| 4.4 实验设置与分析 | 第41-49页 |
| 4.4.1 实验设置 | 第42-43页 |
| 4.4.2 实验结果 | 第43-44页 |
| 4.4.3 句间门控模型的有效性 | 第44-46页 |
| 4.4.4 句间门控模型的注意力网络 | 第46-48页 |
| 4.4.5 译文连贯性分析 | 第48-49页 |
| 4.5 本章小结 | 第49-51页 |
| 第五章 基于缓存的文档级神经机器翻译模型 | 第51-62页 |
| 5.1 引言 | 第51-52页 |
| 5.2 相关工作 | 第52-53页 |
| 5.3 基于缓存的神经机器翻译系统 | 第53-57页 |
| 5.3.1 动态缓存和主题缓存 | 第53-55页 |
| 5.3.2 基于缓存的神经模型 | 第55-56页 |
| 5.3.3 解码过程 | 第56-57页 |
| 5.4 实验设置与分析 | 第57-61页 |
| 5.4.1 实验设置 | 第57-58页 |
| 5.4.2 实验结果 | 第58-59页 |
| 5.4.3 门控机制的有效性 | 第59页 |
| 5.4.4 主题缓存的有效性 | 第59-60页 |
| 5.4.5 基于缓存的神经模型的有效性 | 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 工作总结 | 第62-63页 |
| 6.2 研究展望 | 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72-73页 |
