本文介绍了神经短语基机器翻译（Neural Phrase-based Machine Translation, NPMT）。我们的方法通过睡眠-唤醒网络（Sleep-Wake Networks, SWAN）显式地建模输出序列中的短语结构，SWAN是一种最近提出的基于分段的序列建模方法。为了缓解SWAN的单调对齐要求，我们引入了一种新的层来执行输入序列的局部重排序（软重排序）。与现有的神经机器翻译（Neural Machine Translation, NMT）方法不同，NPMT不使用基于注意力的解码机制。相反，它直接按顺序输出短语，并且可以在线性时间内进行解码。实验结果表明，NPMT在IWSLT 2014德英/英德和IWSLT 2015英越机器翻译任务中表现优于强大的NMT基线模型。我们还观察到，该方法在输出语言中生成了有意义的短语。