本論文では、ニューラルフレーズベースの機械翻訳（Neural Phrase-based Machine Translation: NPMT）を提案します。当手法は、最近提案されたセグメンテーションに基づくシーケンスモデリング手法であるスリープ・ウェイクネットワーク（Sleep-Wake Networks: SWAN）を使用して、出力シーケンス内のフレーズ構造を明示的にモデル化します。SWANの単調アライメント要件を緩和するために、入力シーケンスの（ソフト）局所的な再順序化を行う新しい層を導入しました。既存のニューラル機械翻訳（Neural Machine Translation: NMT）手法とは異なり、NPMTでは注意メカニズムに基づくデコーディング機構を使用しません。代わりに、フレーズを直接逐次的に出力し、線形時間でデコードすることができます。実験結果から、NPMTは強力なNMT基準モデルと比較してIWSLT 2014ドイツ語-英語/英語-ドイツ語およびIWSLT 2015英語-ベトナム語の機械翻訳タスクにおいて優れた性能を達成することが示されました。また、当手法が出力言語で意味のあるフレーズを生成することも確認できました。