封面
声明
中文摘要
英文摘要
目录
1 绪论
1.1 研究背景及意义
1.2 统计机器翻译
1.3 国内外研究现状
1.3.1 传统的n-gram语言模型
1.3.2 基于Topic的语言模型
1.3.3 基于Cache的语言模型
1.3.4 基于最大熵的语言模型
1.3.5 分布式语言模型
1.3.6 基于类的统计语言模型
1.3.7 深度学习下的统计语言模型
1.4 论文的组织结构
2 基于神经网络统计机器翻译的研究基础
2.1 传统的词表示方法
2.2 基于向量空间的词嵌入表示方法(Word Embedding)
2.3 词向量的生成方法
2.4 词向量的生成结果
3 基于神经网络的统计机器翻译语言模型研究
3.1 基于词的n-gram语言模型
3.1.1 n元文法语言模型
3.1.2 数据平滑技术
3.1.3 语言模型性能评价
3.2 基于词向量的神经网络语言模型
3.2.1 语言模型建模
3.2.2 语言模型训练方法
3.2.3 基于神经网络语言模型的机器翻译系统
3.3 实验
3.3.1 实验设置
3.3.2 实验结果及分析
3.4 本章小结
4 结论与展望
4.1 论文总结
4.2 论文展望
致谢
参考文献