|
|
|
神经机器翻译关键技术研究与应用 |
|
论文目录 |
|
摘要 | 第5-6页 | ABSTRACT | 第6-7页 | 第一章 绪论 | 第11-19页 | 1.1 研究背景与研究意义 | 第11-12页 | 1.2 国内外研究现状 | 第12-17页 | 1.2.1 机器翻译的发展及现状 | 第12-13页 | 1.2.2 神经机器翻译的发展及现状 | 第13-17页 | 1.3 研究目标与研究内容 | 第17-18页 | 1.4 本文组织结构 | 第18-19页 | 第二章 相关理论与技术 | 第19-33页 | 2.1 引言 | 第19页 | 2.2 神经机器翻译的基本原理 | 第19-24页 | 2.2.1 基于编码器-解码器结构的神经翻译模型 | 第19-21页 | 2.2.2 贪婪搜索与集束搜索 | 第21-24页 | 2.3 注意力机制 | 第24-27页 | 2.3.1 注意力机制的基本原理 | 第24-26页 | 2.3.2 注意力机制的常见类别 | 第26-27页 | 2.4 常见的神经机器翻译模型 | 第27-32页 | 2.4.1 基于循环神经网络的翻译模型 | 第27-29页 | 2.4.2 基于卷积神经网络的翻译模型 | 第29-30页 | 2.4.3 基于自注意力机制的翻译模型 | 第30-32页 | 2.5 本章小结 | 第32-33页 | 第三章 融入多粒度形态特征的神经机器翻译模型 | 第33-49页 | 3.1 引言 | 第33-34页 | 3.2 相关技术 | 第34-37页 | 3.2.1 词向量和中文词向量 | 第34-35页 | 3.2.2 预训练语言模型 | 第35-37页 | 3.3 模型基本原理 | 第37-43页 | 3.3.1 翻译模型整体结构 | 第37-38页 | 3.3.2 细粒度中文词向量模型基本原理 | 第38-40页 | 3.3.3 细粒度中文词向量模型细节 | 第40-41页 | 3.3.4 多粒度中文形态特征融合 | 第41-42页 | 3.3.5 模型训练算法 | 第42-43页 | 3.4 实验过程及结果 | 第43-48页 | 3.4.1 数据获取及预处理 | 第43-44页 | 3.4.2 实验及参数设置 | 第44-45页 | 3.4.3 实验结果分析 | 第45-48页 | 3.5 本章小结 | 第48-49页 | 第四章 基于深层编码器信息的神经机器翻译模型 | 第49-61页 | 4.1 引言 | 第49-50页 | 4.2 相关技术 | 第50-52页 | 4.2.1 Transformer模型 | 第50-52页 | 4.3 模型基本原理 | 第52-57页 | 4.3.1 平行层编码器信息的引入 | 第53-54页 | 4.3.2 多层编码器信息的引入 | 第54-55页 | 4.3.3 动态深层编码器信息的引入 | 第55-57页 | 4.4 实验过程及结果 | 第57-60页 | 4.4.1 数据获取及预处理 | 第57页 | 4.4.2 实验环境及参数设置 | 第57页 | 4.4.3 实验结果分析 | 第57-60页 | 4.5 本章小结 | 第60-61页 | 第五章 翻译系统的设计与实现 | 第61-72页 | 5.1 引言 | 第61页 | 5.2 总体设计 | 第61-66页 | 5.2.1 系统架构 | 第61-62页 | 5.2.2 功能模块 | 第62-66页 | 5.3 系统实现 | 第66-68页 | 5.3.1 系统环境 | 第66-67页 | 5.3.2 WEB系统开发过程 | 第67-68页 | 5.3.3 系统部署 | 第68页 | 5.4 系统展示 | 第68-70页 | 5.4.1 前端页面展示 | 第68-69页 | 5.4.2 翻译功能展示 | 第69-70页 | 5.5 系统测试 | 第70-71页 | 5.5.1 功能测试 | 第70页 | 5.5.2 并发测试 | 第70-71页 | 5.6 本章小结 | 第71-72页 | 第六章 总结与展望 | 第72-74页 | 6.1 本文总结 | 第72页 | 6.2 未来展望 | 第72-74页 | 致谢 | 第74-75页 | 参考文献 | 第75-80页 | 攻读硕士学位期间取得的成果 | 第80页 |
|
|
|
|
论文编号BS4702862,这篇论文共80页 会员购买按0.35元/页下载,共需支付28元。 直接购买按0.5元/页下载,共需要支付40元 。 |
|
|
我还不是会员,注册会员!
会员下载更优惠!充值送钱! |
我只需要这篇,无需注册!
直接网上支付,方便快捷! |
|
|
|
版权申明:本目录由www.jylw.com网站制作,本站并未收录原文,如果您是作者,需要删除本篇论文目录请通过QQ或其它联系方式告知我们,我们承诺24小时内删除。 |
|
|