| 摘要 | 第4-5页 |
| Abstract | 第5-6页 |
| 第一章 绪论 | 第11-29页 |
| 1.1 研究背景和意义 | 第11-13页 |
| 1.2 相关研究综述 | 第13-26页 |
| 1.2.1 深度学习的发展 | 第13-18页 |
| 1.2.2 机器翻译发展概况 | 第18-24页 |
| 1.2.3 汉英机器翻译时态一致性相关研究 | 第24-26页 |
| 1.3 本文研究内容 | 第26-27页 |
| 1.4 本文的组织结构 | 第27-29页 |
| 第二章 结合汉语时态标注信息的汉英NMT时态翻译改进模型 | 第29-51页 |
| 2.1 整体思路 | 第29-30页 |
| 2.2 汉语时态标注相关研究 | 第30-31页 |
| 2.3 汉语时态标注数据准备 | 第31-35页 |
| 2.4 基于LSTM的汉语动词时态识别 | 第35-38页 |
| 2.4.1 基于LSTM的汉语时态标注 | 第35-36页 |
| 2.4.2 利用bootstrapping的模型强化算法 | 第36-38页 |
| 2.5 结合源端动词时态自动分类的NMT模型 | 第38-40页 |
| 2.6 实验与结果分析 | 第40-51页 |
| 2.6.1 汉语动词时态标注实验 | 第40-44页 |
| 2.6.2 结合时态标注的NMT实验 | 第44-51页 |
| 第三章 基于时态Attention的NMT时态一致性研究 | 第51-67页 |
| 3.1 整体思路 | 第51-52页 |
| 3.1.1 问题概述 | 第51-52页 |
| 3.1.2 整体模型介绍 | 第52页 |
| 3.2 基于时态Attention的英文时态预测模型 | 第52-55页 |
| 3.3 结合时态Attention的NMT模型 | 第55-57页 |
| 3.4 实验与结果分析 | 第57-67页 |
| 3.4.1 实验设置与结果分析 | 第57-63页 |
| 3.4.2 结果展示 | 第63-67页 |
| 第四章 总结与展望 | 第67-69页 |
| 4.1 总结 | 第67-68页 |
| 4.2 未来研究方向 | 第68-69页 |
| 参考文献 | 第69-75页 |
| 致谢 | 第75页 |
