本研究提出了一种基于形态学的单词分割方法，以提高神经机器翻译的性能。实验结果表明，该方法在土耳其-英语和维吾尔-中文翻译任务中显著提升效果，降低了数据稀疏性。同时，研究比较了监督与无监督模型的表现，发现监督模型在多种语言上效果更佳。

本文研究了基于对比预测编码的自监督学习方法在音素分类和音素、单词分割方面的性能。通过整合多级建模方法到改进版本的CPC中，提高了在所有分类指标上的性能，并在单词分割方面取得了最先进的性能。