فصل اول: کلیات پژوهش 1

1-1-مقدمه 1
1-2- تاریخچه‌ی ترجمه‌ی ماشینی 3
1-3-تعریف مساله 9
1-4- اهمیت و ضرورت پژوهش ……………………………………………………………………………………….10
1-5-اهداف و پرسش‌های پژوهش 11
1-6-ساختار پایان‌نامه 12

فصل دوم: مبانی ترجمه‌ی ماشینی عصبی 13

2-1-مدل زبانی 13
2-1-1- مدل N-gram………………………………………………………………………………………………..14
2-1-2- مدل‌های زبانی مبتنی بر شبکه‌های عصبی ……………………………………………………..15
2-1-3-ارزیابی مدل‌های زبانی……………………………………………………………………………………17
2-2-شبکه‌ی‌ عصبی بازگشتی 18
2-2-1-مدلهای زبانی بازگشتی مبتنی بر شبکه‌های عصبی بازگشتی……………………………21
2-2-2- یادگیری بر پایه پس‌انتشار خطا …………………………………………………………………….23
2-2-3-الگوریتم پس‌انتشار خطا برای شبکه‌ی عصبی بازگشتی……………………………………25
2-3-LSTM 30
2-3-1-آموزش LSTM ……………………………………………………………………………………………38
2-3-1-1-الگوریتم پس‌انتشار خطا برای LSTM …………………………………………………..38
2-4-ترجمه‌ی ماشینی عصبی…………………………………………………………………………………………40
2-4-1-معماری رایج شبکه‌های عصبی بازگشتی برای ترجمه‌ی ماشینی………………………..42

فصل سوم: بازنمایی برداری کلمات 51

3-1- یادگیری ژرف 51
3-1-1- یادگیری بازنمایی 53
3-2- بازنمایی برداری کلمات 53
3-2-1- بازنمایی برداری پیوسته کلمات 55
3-3-بازنمایی برداری کلمات به روش Word2Vec ………………………………………………………..59
3-3-1-معماری CBOW 60
3-3-2- معماری skip-gram 66

فصل چهارم: روش پیشنهادی و ارزیابی و نتایج آن 69

4-1-روش پیشنهادی 69
4-2-مجموعه داده‌ها……………………………………………………………………………………………………..72
4-2-1-پیکره همشهری دو 72
4-3-3- پیکره موازی انگلیسی-فارسی میزان 72
4-3-4- پیکره موازی انگلیسی-فارسی تهران 74
4-3-1-پیش‌پردازش مجموعه داده‌ها 75
4-3-پارامترهای مهم یادگیری در روش Word2Vec 76
4-4-ارزیابی بازنمایی برداری توزیع شده کلمات فارسی 77
4-5-نتایج و تحلیل بازنمایی برداری توزیع شده کلمات فارسی…………………………………………81
4-6-پیاده‌سازی مدل دنباله به دنباله برای ترجمه‌ی ماشینی عصبی …………………………………85
4-6-1-نتایج سیستم ترجمه‌ی ماشینی عصبی………………………………………………………………87

فصل پجم: نتیجه‌گیری و کارهای آینده 89

6-1-پیشنهادها و کارهای آینده 90
مراجع 103

کلمات کلیدی

بازنمایی برداری کلمات , ترجمه ماشینی عصبی , یادگیری ژرف , یادگیری عمیق , پردازش زبان طبیعی , vector representation of words , word2vec , neural machine translation , deep learning , natural language processing

1. اسکویی، م. ا؛ و قاسم زاده، م. (1395). کاربرد قواعد کشفی و الگوریتم ژنتیک در ساخت مدل ARMA برای پیش‌بینی سری زمانی. نشریه مدیریت فن‌آوری اطلاعات، شماره 1، دوره 8، صفحه 1-26.