| 摘要 | 第1-7页 |
| ABSTRACT | 第7-9页 |
| 目录 | 第9-13页 |
| 表格 | 第13-14页 |
| 插图 | 第14-15页 |
| 算法 | 第15-16页 |
| 第一章 绪论 | 第16-20页 |
| ·论文背景 | 第16-18页 |
| ·论文贡献 | 第18-19页 |
| ·论文结构 | 第19-20页 |
| 第二章 深度学习与统计机器翻译 | 第20-36页 |
| ·机器翻译 | 第20-30页 |
| ·统计机器翻译概述 | 第21-23页 |
| ·统计机器翻译系统流程 | 第23-24页 |
| ·词汇齐 | 第24-25页 |
| ·翻译模型 | 第25-28页 |
| ·调序模型 | 第28-29页 |
| ·语言模型 | 第29页 |
| ·参数训练 | 第29页 |
| ·解码算法 | 第29-30页 |
| ·评价标准 | 第30页 |
| ·深度学习 | 第30-36页 |
| ·深度学习概述 | 第31-32页 |
| ·常用神经网络模型 | 第32-33页 |
| ·深度学习在自然语言处理中的应用 | 第33-36页 |
| 第三章 基于深度神经网络的词对齐模型 | 第36-60页 |
| ·引言 | 第36页 |
| ·相关工作 | 第36-38页 |
| ·词汇对齐与传统HMM词对齐模型 | 第38-40页 |
| ·基于深度神经网络的词对齐模型 | 第40-42页 |
| ·词汇向量化表示及神经网络结构 | 第42-46页 |
| ·词汇向量化表示 | 第42-44页 |
| ·词汇对齐模型中的神经网络结构 | 第44-46页 |
| ·半监督的神经网络词对齐模型学习方法 | 第46-49页 |
| ·基于单语数据的低维词汇表示预训练 | 第47页 |
| ·基于局部标准的神经网络训练 | 第47-48页 |
| ·基于句子级别标准的神经网络训练 | 第48-49页 |
| ·无监督的神经网络词对齐模型学习方法 | 第49-52页 |
| ·使用Gibbs采样进行训练 | 第49页 |
| ·作为翻译系统进行训练 | 第49-50页 |
| ·使用对比估算(Contrastive Estimation)进行训练 | 第50-51页 |
| ·使用噪声对比估算(Noise-Contrastive Estimation)进行训练 | 第51-52页 |
| ·实验结果及分析 | 第52-59页 |
| ·实验数据 | 第52-53页 |
| ·基准系统及评价标准 | 第53-54页 |
| ·实现细节 | 第54-55页 |
| ·实验结果 | 第55-59页 |
| ·本章小结 | 第59-60页 |
| 第四章 基于神经网络的统计机器翻译调序模型 | 第60-82页 |
| ·引言 | 第60-61页 |
| ·相关工作 | 第61页 |
| ·预调序 | 第61-64页 |
| ·预调序问题的形式化 | 第64-66页 |
| ·基于线性排序问题的预调序 | 第64页 |
| ·基于非对称旅行商问题的预调序 | 第64-65页 |
| ·基于排序的预调序 | 第65-66页 |
| ·基于神经网络的预调序模型 | 第66-68页 |
| ·局部特征 | 第66-67页 |
| ·全局特征 | 第67-68页 |
| ·模型训练 | 第68-73页 |
| ·调序训练样本抽取 | 第68-71页 |
| ·参数优化 | 第71-72页 |
| ·调序特征低维表示训练 | 第72-73页 |
| ·实验结果及分析 | 第73-80页 |
| ·实验数据 | 第74页 |
| ·实现细节和基准系统 | 第74-75页 |
| ·评价标准 | 第75-76页 |
| ·机器翻译实验结果 | 第76-78页 |
| ·预调序结果的衡量 | 第78页 |
| ·预调序不同形式化的结果 | 第78-79页 |
| ·词汇n元的低维表示 | 第79-80页 |
| ·本章小结 | 第80-82页 |
| 第五章 基于递归重现神经网络的翻译模型 | 第82-98页 |
| ·引言 | 第82页 |
| ·相关工作 | 第82-83页 |
| ·重现递归神经网络翻译模型 | 第83-88页 |
| ·重现神经网络 | 第84-85页 |
| ·递归神经网络 | 第85-86页 |
| ·递归重现神经网络 | 第86-88页 |
| ·重现递归神经网络翻译模型的训练 | 第88-91页 |
| ·无监督预训练 | 第88-90页 |
| ·有监督局部训练 | 第90页 |
| ·有监督全局训练 | 第90-91页 |
| ·翻译短语对的表示 | 第91-93页 |
| ·基于稀疏特征的翻译置信度 | 第92页 |
| ·基于重现神经网络的翻译置信度 | 第92-93页 |
| ·实验结果及分析 | 第93-96页 |
| ·数据和基准系统 | 第93-94页 |
| ·翻译结果 | 第94页 |
| ·短语对表示对实验结果的影响 | 第94-95页 |
| ·全局特征的重现输入向量的作用 | 第95页 |
| ·短语对表示中的稀疏特征和重现神经网络特征的作用 | 第95-96页 |
| ·本章小结 | 第96-98页 |
| 第六章 总结与展望 | 第98-100页 |
| 参考文献 | 第100-108页 |
| 致谢 | 第108-110页 |
| 在读期间发表的学术论文 | 第110页 |