本研究通过错误标注的方法比较了三种统计机器翻译方法（基于短语、因式分解基于短语和神经网络），结果显示最佳性能的神经网络系统比最差性能的基于短语系统减少了 54% 的错误，而错误类型符合多维质量度量标准（MQM）。

Jun, 2017

本文分析了神经网络机器翻译（NMT）与基于短语的机器翻译（PBMT）在英语 - 德语翻译数据集上的表现，从专业翻译的高质量后编辑结果中发现神经网络机器翻译在表述动词重新排序等语言现象时具有更好的建模能力，但仍有需要改进的方面。

Aug, 2016

本文提供了最大的基于短语的 SMT 和神经机器翻译之间的翻译质量比较，分析了 30 种翻译方向，其中 10 种方向中还包括分级短语 MT；在第二部分中，作者调查了翻译速度的不同方面，引入了 AmuNMT，一种高效的神经机器翻译解码器，通过比较每秒处理的单词数，证明了当前的神经机器翻译已经可以用于生产系统中。

Oct, 2016

本文介绍一种利用神经网络在成对翻译评估中选出最佳翻译的新方法，该方法基于单词和句子嵌入形成紧凑的分布式向量表示，并利用多层神经网络对参考文本和两个翻译之间的交互进行建模，从而可以高效地学习和分类，且与人类评估结果的相关性不亚于当前技术水平的最高水平。

Dec, 2019

使用神经网络在配对设置下进行机器翻译评估的框架，以从一对假设中选择更好的翻译为目标。该框架将参考和两个假设的词汇、句法和语义信息嵌入到紧凑的分布式向量表示中，并提供了一个与人类判断相关的 MT 评估度量。

Oct, 2017

本文介绍了第一个基于神经网络的机器翻译系统，用于翻译同一语言的标准国别语言种。我们以巴西 - 欧洲葡萄牙语为例，将该方法的性能与短语统计机器翻译系统进行比较。结果显示，在从欧洲葡萄牙语翻译到巴西葡萄牙语时，BLEU 分数提高了 0.9 分，在相反方向翻译时提高了 0.2 分。我们还进行了一项面向巴西葡萄牙语母语者的人工评估实验，结果表明与统计系统相比，人们更喜欢神经系统生成的输出。

Jul, 2018

本研究探讨了不同的训练方法对用于医学数据的波兰 - 英语机器翻译系统的影响，使用欧洲药品管理局平行文本语料库作为神经和统计网络翻译系统训练的基础，并对主要机器翻译评估指标进行了分析。该研究的重点是比较和实施实时医学翻译器。

Sep, 2015

该研究研究了如何在只有大型单语语料库的情况下学习翻译。提出了两种模型，一种是神经模型，一种是基于短语的模型。这些模型通过参数的精心初始化、语言模型的去噪效应和反向迭代自动生成的并行数据来提高翻译性能。在 WMT'14 英语 - 法语和 WMT'16 德语 - 英语 基准测试上，这些模型分别获得 28.1 和 25.2 BLEU 分数，比现有方法的 BLEU 分数高出 11 个分数。方法在英语 - 乌尔都语和英语 - 罗马尼亚语等低资源语言中也取得了良好的结果。

Apr, 2018

本文研究了神经机器翻译在多语言翻译和零样本推理上的性能，比较了双语、多语和零样本系统的翻译质量，并调查了循环神经网络和 Transformer 等两种神经网络模型的翻译质量。研究表明，多语言神经机器翻译能够在多个语言之间共享表示空间，实现有效的跨语言学习。

Jun, 2018

本文应用神经机器翻译技术在阿拉伯语翻译任务中进行比较和预处理，并发现在处理适当的阿拉伯语脚本前，神经机器翻译和基于短语的翻译系统性能相近，但神经机器翻译在域外测试集上明显优于短语翻译系统，在实际应用中更具吸引力。

Jun, 2016