第1章 概述
1．1 机器翻译的发展历程
1．2 自然文本的基本组成
1．2．1 词
1．2．2 句子
1．2．3 篇章
1．3 词典的建设
1．4 语料库的建设
1．4．1 文本的类型
1．4．2 平行语料库
1．4．3 句对齐
1．5 机器翻译的基本方法
1．5．1 基于规则的机器翻译
1．5．2 基于数据的机器翻译
1．5．3 融合的机器翻译系统
1．6 机器翻译的评测
1．6．1 基于距离的评价
1．6．2 基于精度的评价
1．6．3 基于召回率的评价
1．6．4 结合词义和句法信息的评价
1．6．5 统计显著性检验
1．7 可用的资源

第2章 机器翻译迁移模型
2．1 机器翻译学习过程建模
2．2 大规模特征集训练
2．3 迁移学习及在机器翻译中的应用
2．4 本章小结
本章参考文献

第3章 深度递归的层次化翻译模型
3．1 模型描述
3．1．1 系统框架
3．1．2 语义向量
3．1．3 训练算法
3．1．4 解码整合和特征权重训练
3．2 实验与分析
3．2．1 神经网络超参和SMT没置
3．2．2 不同部分的影响
3．3 本章小结
本章参考文献

第4章 大规模特征深度融合网络
4．1 短语／规则对语义嵌入
4．1．1 语义嵌入模型
4．1．2 参数估计
4．2 大规模特征深度融合
4．2．1 单系统深度模型
4．2．2 大规模特征融合方法
4．2．3 参数训练
4．3 实验与分析
4．3．1 神经网络超参和SMT设置
4．3．2 性能比较
4．4 本章小结
本章参考文献
……

第5章 多领域非参贝叶斯短语归纳
第6章 大规模异领域深度迁移网络
第7章 篇章神经翻译模型

名词索引