1、近年來，深度學習成為眾多領域研究的熱點。對于自然語言處理領域中的機器翻譯任務，序列到序列的神經(jīng)網(wǎng)絡翻譯系統(tǒng)的出現(xiàn)打破了傳統(tǒng)機器翻譯多模塊協(xié)調組合的局面，一體化的結構，令人滿意的翻譯結果使其一開始就備受學者矚目。后來基于注意力(Attention-based)的神經(jīng)網(wǎng)絡進一步改進了模型，使得翻譯效果一定程度上超過了傳統(tǒng)的統(tǒng)計機器翻譯系統(tǒng)，成為主流的翻譯系統(tǒng)之一。
　　本文以注意力神經(jīng)網(wǎng)絡為研究背景，結合最近的相關科研成果，從以下三方

2、面展開了對基于注意力神經(jīng)網(wǎng)絡的蒙漢機器翻譯系統(tǒng)的研究:(1)蒙古文詞向量的預訓練:詞向量是直接參與模型訓練的詞語的表示形式，其訓練的質量直接關系到最后訓練的翻譯模型的質量，因此我們探索了三種蒙古文詞向量的預訓練方法來提升翻譯的質量;(2)基于字典的蒙古文詞切分:蒙古文的構詞特點會造成訓練語料出現(xiàn)嚴重的數(shù)據(jù)稀疏問題，我們基于字典，對蒙古文單詞進行了詞綴、詞干及格的附加成分等不同粒度的詞切分，以此來緩解數(shù)據(jù)稀疏問題;(3)蒙古文特征提取:對