神经机器翻译（neural machine translation; NMT），理学-计算机科学技术-人工智能-自然语言处理-机器翻译-统计机器翻译，利用神经网络方法对机器翻译过程进行建模，并利用大规模双语对照语料学习和优化神经网络模型的参数的翻译方法。神经机器翻译（neural machine translation,NMT）隶属于数据驱动的机器翻译框架。与传统的统计机器翻译方法相比，神经机器翻译方法最核心、最关键的区别在于采用低维稠密的实数向量表示源语言和目标语言中的词语，在语义向量空间中学习两种语言之间的映射关系，从而不仅可以减轻传统基于离散符号匹配方法的数据稀疏问题，而且可以捕捉词语之间的语义相似关系。神经机器翻译方法的思想主要由英国牛津大学、谷歌公司以及加拿大蒙特利尔大学的研究者提出。被广泛采用的神经机器翻译框架是蒙特利尔大学的Y.本希奥（Yoshua Bengio）研究组提出的基于注意机制的编码-解码模型。