√系统梳理近年来机器翻译发展的技术脉络、技术落地的思路

√概述了机器翻译的基础内容、统计机器翻译模型、神经机器翻译模型

√涵盖了前沿技术，如模型结构优化、低资源机器翻译、多模态机器翻译等，涉及大量实践经验

√帮助读者建立完整的知识体系

√对初学者友好，无须高深的数学背景

√讲透学习思路，可以迁移到其他AI技术学习中

√提供丰富的扩展阅读资料

√全彩印刷

利用机器翻译技术实现不同语言之间的自由交流始终是最令人期待的计算机应用之一。本书全面回顾了近30年来机器翻译的技术发展历程，遵循机器翻译技术的发展脉络，对基于统计和基于端到端深度学习的机器翻译关键技术及原理进行了深入讲解，力求做到简洁明了、全面透彻、图文结合。此外，本书着重介绍了近年来机器翻译领域的科研热点及其结果，旨在帮助读者全面了解机器翻译的前沿研究进展和关键技术。

肖桐

博士，东北大学教授、博士生导师，东北大学计算机学院人工智能系系主任，东北大学自然语言处理实验室主任，小牛翻译（NiuTrans）联合创始人。于东北大学计算机专业获得博士学位。2006—2009年赴日本富士施乐、微软亚洲研究院访问学习，并于2013—2014年赴英国剑桥大学开展博士后研究。主要研究领域包括自然语言处理、机器学习等。在国内外相关领域高水平会议及期刊上发表学术论文70余篇。作为项目技术负责人，成功研发了NiuTrans、NiuTensor等开源系统，在WMT、CCMT/CWMT、NTCIR等国内外评测中多次获得冠军。2014年获得中国中文信息学会首届优秀博士论文提名奖，2016年获得中国中文信息学会“钱伟长中文信息处理科学技术奖”一等奖。任ACL、EMNLP、TACL等国际著名会议及期刊的领域主席和常驻审稿人。

朱靖波

博士，东北大学教授、博士生导师，小牛翻译创始人。于东北大学计算机专业获得博士学位，曾在香港城市大学（2004—2005年）和美国南加州大学ISI（2006—2007年）开展访问研究。从1992年开始，专注于语言分析和机器翻译技术研究工作，在国内外高水平会议及期刊上发表学术论文200余篇，2005年入选国家教育部新世纪优秀人才计划，2016年获得中国中文信息学会“钱伟长中文信息处理科学技术奖”一等奖。

目录内容较多，受网店上传字符限制，无法呈现所有细节，仅列出章名，想看具体目录内容的读者，请点击“内页展示”模块的图片，阅读部分目录：）

第1部分 机器翻译基础

1 机器翻译简介2

2 统计语言建模基础24

3 词法分析和语法分析基础54

4 翻译质量评价 81

第2部分 统计机器翻译

5 基于词的机器翻译建模111

6 基于扭曲度和繁衍率的模型 142

7 基于短语的模型158

8 基于句法的模型186

第3部分 神经机器翻译

9 神经网络和神经语言建模234

10 基于循环神经网络的模型292

11 基于卷积神经网络的模型332

12 基于自注意力的模型352

第4部分 机器翻译前沿

13 神经机器翻译模型训练371

14 神经机器翻译模型推断 403

15 神经机器翻译模型结构优化430

16 低资源神经机器翻译471

17 多模态、多层次机器翻译 504

18 机器翻译应用技术528

随笔538

后记543

附录 A 545

A.1 统计机器翻译开源系统545

A.2 神经机器翻译开源系统546

附录 B 548

B.1 公开评测任务548

B.2 基准数据集550

B.3 平行语料551

附录 C 552

C.1 IBM 模型 2 的训练方法552

C.2 IBM 模型 3 的训练方法553

C.3 IBM 模型 4 的训练方法555

C.4 IBM 模型 5 的训练方法556

参考文献558

索引616

本书特色

本书全面回顾了近30年机器翻译技术的发展历程，并围绕机器翻译的建模和深度学习方法这两个主题对机器翻译的技术方法进行了全面介绍。在写作中，笔者力求用朴实的语言和简洁的实例来阐述机器翻译的基本模型，同时对相关的前沿技术进行讨论。其中涉及大量的实践经验，包括许多机器翻译系统开发的细节。从这个角度看，本书不仅是一本理论书，还结合了机器翻译的应用，给读者提供了很多机器翻译技术落地的思路。本书可供计算机相关专业高年级本科生及研究生学习之用，也可作为自然语言处理领域，特别是机器翻译方向相关研究人员的参考资料。此外，本书各章主题明确，内容紧凑。因此，读者可将每章作为某一专题的学习资料。用最简单的方式阐述机器翻译的基本思想是笔者期望达到的目标。虽然书中不可避免地使用了一 些形式化的定义和算法的抽象描述，但笔者也尽所能地通过图例对其进行了解释（本书共395张插图）。本书所包含的内容较为广泛，难免会有疏漏，望读者海涵，并指出不当之处。

本书内容概要

本书分4个部分，共18章。章节的顺序参考了机器翻译技术发展的时间脉络，兼顾了机器翻译知识体系的内在逻辑。本书的主要内容包括： 第1部分：机器翻译基础 第1章 机器翻译简介 第 2 章 统计语言建模基础 第 3 章 词法分析和语法分析基础 第 4 章 翻译质量评价 第 2 部分：统计机器翻译 第 5 章 基于词的机器翻译建模 第 6 章 基于扭曲度和繁衍率的模型 第 7 章 基于短语的模型 第 8 章 基于句法的模型 第 3 部分：神经机器翻译 第 9 章 神经网络和神经语言建模 第 10 章 基于循环神经网络的模型 第 11 章 基于卷积神经网络的模型 第 12 章 基于自注意力的模型 第 4 部分：机器翻译前沿 第 13 章 神经机器翻译模型训练 第 14 章 神经机器翻译模型推断 第 15 章 神经机器翻译模型结构优化 第 16 章 低资源神经机器翻译 第 17 章 多模态、多层次机器翻译 第 18 章 机器翻译应用技术 第 1 部分是本书的基础知识部分，包含统计语言建模、词法分析和语法分析基础、翻译质量评价等。在第 1 章对机器翻译的历史及现状进行介绍之后，第 2 章通过语言建模任务将统计建模的思想阐述出来，这部分内容是机器翻译模型及方法的基础。第 3 章重点介绍了机器翻译涉及的词法分析和语法分析方法，旨在为后续相关概念的使用做铺垫，并展示了统计建模思想在相关问题上的应用。第 4 章相对独立，系统地介绍了机器翻译结果的评价方法。第 1 部分内容是机器翻 译建模及系统设计所需的前置知识。第 2 部分主要介绍统计机器翻译的基本模型。第 5 章是整个机器翻译建模的基础。第 6 章对 扭曲度和繁衍率两个概念进行介绍，同时给出相关的翻译模型，这些模型在后续章节中都有涉及。第 7 章和第 8 章分别介绍了基于短语和句法的模型。它们都是统计机器翻译的经典模型，其思想也构成了机器翻译成长过程中最精华的部分。 第 3 部分主要介绍神经机器翻译模型，该模型是近年机器翻译的热点。第 9 章介绍了人工神经网络和深度学习的基础知识，以保证本书知识体系的完备性。同时，介绍了基于神经网络的语言模型，其建模思想在神经机器翻译中被大量使用。第 10～12 章分别对 3 种经典的神经机器翻译模型进行介绍，以模型提出的时间为序，从最初的基于循环网络的模型，到 Transformer 模型均有涉及。其中，也会对编码器-解码器框架、注意力机制等经典方法和技术进行介绍。 第 4 部分对机器翻译的前沿技术进行了讨论，以神经机器翻译为主。第 13～15 章介绍了神经 机器翻译研发的 3 个主要方面，它们也是近年机器翻译领域讨论最多的方向。第 16～17 章介绍了机器翻译领域的热门方向，包括无监督翻译等主题。同时，对语音、图像翻译等多模态方法及篇章级翻译等方法进行介绍，它们可以被看作机器翻译在更多任务上的扩展。第 18 章结合笔者在各 种机器翻译比赛和机器翻译产品研发中的经验，对机器翻译的应用技术进行讨论。