1. 毕业设计（论文）的内容、要求、设计方案、规划等

内容：由于技术发展，新时代神经网络机器翻译技术逐渐取代了过去的统计机器翻译工具，在强大的语料库的支撑下，经翻译系统通过搜索接近上百万个例子，据上下文推导出结果中和原文本语言相关度最高的一个，后将翻译结果重新排序从而最大限度地接近人类语言。

虽然神经网络翻译在某些方面有所完善，在长句的处理上和需要联系上下文、根据语境对文本进行深层次理解等方面仍存在不足。

除此之外，神经网络翻译仍存在丢失单词、错译专有名词和罕见术语问题。

2. 参考文献（不低于12篇）

1. Allen, J. Post-editing. In: H. Somers (ed.) Computers and Translation: A Translators Guide[M]. John Benjamins Publishing, Amsterdam, 2003.2. Bentivogli, Luisa, et al. Neural versus Phrase-Based Machine Translation Quality: A Case Study. 2016.3. Esselink, B. A Practical Guide to Localization[M]. Amsterdam Post-eding the Source Text[J]. The Translator 3(2): 193-212. 1997.11. 崔启亮. 论机器翻译的译后编辑[J]. 翻译技术, 2014(06): 68-73.12. 崔启亮,李闻. 译后编辑错误类型研究基于科技文本英汉机器翻译[J]. 中国科技翻译, 2015, 28(04): 19-22.13. 冯志伟. 机器翻译研究[M]. 北京:中国对外翻译出版公司, 2004: 31-37.14. 甘鹏辉. 谷歌神经翻译系统在译文质量上的突破与瓶颈[J]. 海外英语, 2017(13): 124-125 131.15. 胡清平. 机器翻译中的受控语言[J]. 中国科技翻译, 2005(03): 24-27.16. 李梅、朱锡明. 译后编辑自动化的英汉机器翻译新探索[J]. 中国翻译, 2013(4).17. 刘群. 统计机器翻译综述[J]. 中文信息学报, 2003(04): 1-12.18. 罗季美,李梅. 机器翻译译文错误分析[J]. 中国翻译, 2012, 33(05): 84-89.19. 李梅,朱锡明. 英汉机译错误分类及数据统计分析[J]. 上海理工大学学报, 2013, 35(03): 201-207.20. 魏长宏、张春柏. 机器翻译的译后编辑[J]. 中国科技翻译, 2007(3).