| 摘要 | 第5-7页 |
| Abstract | 第7-8页 |
| 第一章 绪论 | 第11-17页 |
| 1.1 研究背景及意义 | 第11-12页 |
| 1.2 国内外研究现状 | 第12-14页 |
| 1.3 论文的研究内容 | 第14-15页 |
| 1.4 论文的组织 | 第15-17页 |
| 第二章 机器翻译基础理论 | 第17-23页 |
| 2.1 机器翻译技术概述 | 第17页 |
| 2.2 统计机器翻译方法 | 第17-19页 |
| 2.2.1 基于词的统计机器翻译方法 | 第17-18页 |
| 2.2.2 基于短语的统计机器翻译方法 | 第18页 |
| 2.2.3 基于句法的统计机器翻译方法 | 第18-19页 |
| 2.3 神经机器翻译方法 | 第19-23页 |
| 2.3.1 神经机器翻译方法概述 | 第20页 |
| 2.3.2 注意力机制 | 第20-23页 |
| 第三章 基于双向LSTM和语言特性融合的汉越词对齐方法 | 第23-33页 |
| 3.1 引言 | 第23-24页 |
| 3.2 相关研究 | 第24-27页 |
| 3.2.1 基于循环神经网络的词对齐模型 | 第24-25页 |
| 3.2.2 基于汉越双语语言差异的特征函数 | 第25-27页 |
| 3.3 融合双向LSTM和语言特征的词对齐模型 | 第27-30页 |
| 3.3.1 双向LSTM词对齐模型定义 | 第27-28页 |
| 3.3.2 基于汉越双语差异融合语言特征 | 第28-29页 |
| 3.3.3 模型训练 | 第29-30页 |
| 3.4 实验结果与分析 | 第30-32页 |
| 3.4.1 实验数据 | 第30-31页 |
| 3.4.2 实验结果 | 第31-32页 |
| 3.5 本章小结 | 第32-33页 |
| 第四章 融合词汇翻译概率的汉越神经机器翻译方法 | 第33-41页 |
| 4.1 引言 | 第33页 |
| 4.2 研究现状 | 第33-34页 |
| 4.3 相关研究 | 第34-35页 |
| 4.3.1 记忆网络 | 第34-35页 |
| 4.3.2 神经机器翻译 | 第35页 |
| 4.4 基于记忆网络融合词汇翻译概率的汉越神经机器翻译方法 | 第35-38页 |
| 4.4.1 基于记忆网络融合词汇翻译概率的汉越神经机器翻译模型 | 第36-38页 |
| 4.4.2 模型训练 | 第38页 |
| 4.5 实验 | 第38-40页 |
| 4.5.1 实验数据 | 第38页 |
| 4.5.2 实验设置 | 第38-39页 |
| 4.5.3 实验结果 | 第39页 |
| 4.5.4 分析和讨论 | 第39-40页 |
| 4.6 本章小结 | 第40-41页 |
| 第五章 融合翻译知识的汉越神经机器翻译系统 | 第41-47页 |
| 5.1 系统整体构架 | 第41-42页 |
| 5.2 系统开发所需工具及资源 | 第42-43页 |
| 5.2.1 基础开源框架 | 第42页 |
| 5.2.2 系统环境配置 | 第42页 |
| 5.2.3 系统模块任务划分 | 第42-43页 |
| 5.3 系统主要功能模块实现 | 第43-45页 |
| 5.3.1 输入输出模块 | 第43-44页 |
| 5.3.2 翻译模块 | 第44-45页 |
| 5.4 本章小结 | 第45-47页 |
| 第六章 总结与展望 | 第47-49页 |
| 6.1 论文总结 | 第47页 |
| 6.2 下一步工作 | 第47-49页 |
| 致谢 | 第49-51页 |
| 参考文献 | 第51-57页 |
| 附录A 记忆网络核心代码 | 第57-61页 |
| 附录B 攻读硕士学位期间发表论文 | 第61-63页 |
| 附录C 攻读硕士期间参与项目 | 第63页 |
