機器翻譯：基礎與模型

《機器翻譯：基礎與模型》是電子工業出版社出版圖書，由小牛翻譯創始人朱靖波、肖桐兩位教授主編，東北大學自然語言處理實驗室和小牛翻譯聯合出品的專著《機器翻譯：基礎與模型》由電子工業出版社正式出版上市。可以供計算機、人工智慧相關專業高年級本科生及研究生學習之用，亦可作為自然語言處理，特別是機器翻譯相關研究人員的參考資料。

基本介紹

• 中文名：機器翻譯：基礎與模型
• 作者：肖桐、朱靖波
• 出版時間：2021年10月
• 出版社：電子工業出版社
• 頁數：648 頁
• ISBN：9787121335198
• 定價：299 元
• 開本：16 開

內容簡介

本書呈現了近30年內機器翻譯技術發展的進程及研究熱點，並圍繞機器翻譯的統計建模和深度學習方法這兩個主題對機器翻譯的技術方法進行了全面介紹，同時對信息化時代下的機器翻譯技術的發展及套用予以透析，其中也涉及小牛團隊大量的實踐經驗，包括許多機器翻譯系統開發的細節，幫助相關研究者或從業人員更好地了解資訊時代下的機器翻譯技術的發展脈搏。

本書不單單是一本理論書籍，它還結合了機器翻譯的套用，給讀者提供了很多機器翻譯技術落地的具體思路。本書內容全面、嚴謹詳實，通過四大部分總計十八章的內容對機器翻譯的統計建模和深度學習方法進行較為系統地介紹，不僅有相應的原理介紹和實現代碼，還提供了實戰案例，並通過圖例對一些形式化的定義和算法進行解釋（共395張插圖），為讀者揭開機器翻譯的奧秘。本書用tex編寫，所有原始碼均已開放。

作者簡介

肖桐

肖桐

肖桐，博士、東北大學教授、博士生導師，東北大學計算機學院人工智慧系系主任，東北大學自然語言處理實驗室主任，小牛翻譯(NiuTran)聯合創始人。主要研究領域包括自然語言處理、機器翻譯等。在國內外相關領域高水平會議及期刊上發表學術論文70餘篇。作為項目技術負責人，研發成功了NiuTrans、NiuTensor等開源系統，在WMT、CCMT/CWMT、NTCIR等國內外評測中多次獲得冠軍。2016年獲得中國中文信息學會“錢偉長中文信息處理科學技術獎”一等獎，2021年獲得中國計算機學會CCF-NLP青年新銳學者。任ACL、EMNLP、AAAI、TACL等國際著名會議及期刊的領域主席、高級程式委員會委員和常駐審稿人。

朱靖波

朱靖波

朱靖波，博士、小牛翻譯創始人、東北大學計算機學院教授、博士生導師、瀋陽雅譯網路技術有限公司董事長。遼寧省語言智慧型技術創新中心主任、訊飛AI大學首批特聘教授、中國中文信息學會常務理事。入選教育部新世紀優秀人才計畫和遼寧省百人層次人才計畫。1992年開始從事語言分析和機器翻譯理論研究工作，發表了200多篇研究論文和一本清華大學出版的專著《自然語言理解》。師從前國際計算語言學學會ACL主席、前國際機器翻譯學會主席、Google翻譯創始人Franz Joseph Och的博士後導師Prof. Eduard Hovy。擁有20多項國內和美國發明專利，研究成果多次獲得遼寧省科學技術一等和二等獎。

圖書目錄

本書共分為四個部分，每部分由若干章節組成，章節的順序參考了機器翻譯技術發展的時間脈絡，同時兼顧了機器翻譯知識體系的內在邏輯。各部分的主要關係如下：

圖書目錄

Part I 機器翻譯基礎

機器翻譯簡介

1.1 機器翻譯的概念

1.2 機器翻譯簡史

1.3 機器翻譯現狀及挑戰

1.4 基於規則的方法

1.5 數據驅動的方法

1.6 推薦學習資源

統計語言建模基礎

2.1 機率論基礎

2.2 擲骰子遊戲

2.3 n-gram 語言模型

2.4 預測與搜尋

2.5 小結及拓展閱讀

詞法分析和語法分析基礎

3.1 問題概述

3.2 中文分詞

3.3 命名實體識別

3.4 句法分析（短語結構分析）

3.5 小結及拓展閱讀

翻譯質量評價

4.1 譯文質量評價所面臨的挑戰

4.2 人工評價

4.3 有參考答案的自動評價

4.4 無參考答案的自動評價

4.5 小結及拓展閱讀

Part II 統計機器翻譯

基於詞的機器翻譯建模

5.1 詞在翻譯中的作用

5.2 一個簡單實例

5.3 噪聲信道模型

5.4 統計機器翻譯的三個基本問題

5.5 IBM 模型1

5.6 小結及拓展閱讀

基於扭曲度和繁衍率的模型

6.1 基於扭曲度的模型

6.2 基於繁衍率的模型

6.3 解碼和訓練

6.4 問題分析

6.5 小結及拓展閱讀

基於短語的模型

7.1 翻譯中的短語信息

7.2 數學建模

7.3 短語抽取

7.4 翻譯調序建模

7.5 翻譯特徵

7.6 最小錯誤率訓練

7.7 棧解碼

7.8 小結及拓展閱讀

基於句法的模型

8.1 翻譯中句法信息的使用

8.2 基於層次短語的模型

8.3 基於語言學句法的模型

8.4 小結及拓展閱讀

Part III 神經機器翻譯

人工神經網路和神經語言建模

9.1 深度學習與人工神經網路

9.2 神經網路基礎

9.3 神經網路的張量實現

9.4 神經網路的參數訓練

9.5 神經語言模型

9.6 小結及拓展閱讀

基於循環神經網路的模型

10.1 神經機器翻譯的發展簡史

10.2 編碼器-解碼器框架

10.3 基於循環神經網路的翻譯建模

10.4 注意力機制

10.5 訓練及推斷

10.6 小結及拓展閱讀

基於卷積神經網路的模型

11.1 卷積神經網路

11.2 基於卷積神經網路的翻譯建模

11.3 局部模型的改進

11.4 小結及拓展閱讀

基於自注意力的模型

• 12.1 自注意力機制
• 12.2 Transformer 架構
• 12.3 位置編碼
• 12.4 基於點乘的多頭注意力機制
• 12.5 殘差網路和層標準化
• 12.6 前饋全連線網路子層
• 12.7 訓練
• 12.8 推斷
• 12.9 小結及拓展閱讀

Part IV 機器翻譯前沿

1. 神經機器翻譯模型訓練

• 13.1 開放詞表
• 13.2 正則化
• 13.3 對抗樣本訓練
• 13.4 學習策略
• 13.5 知識蒸餾
• 13.6 基於樣本價值的學習
• 13.7 小結及拓展閱讀

1. 神經機器翻譯模型推斷

• 14.1 面臨的挑戰
• 14.2 基本問題
• 14.3 輕量模型
• 14.4 非自回歸翻譯
• 14.5 多模型集成
• 14.6 小結及拓展閱讀

1. 神經機器翻譯結構最佳化

• 15.1 注意力機制的改進
• 15.2 神經網路連線最佳化及深層模型
• 15.3 基於句法的神經機器翻譯模型
• 15.4 基於結構搜尋的翻譯模型最佳化
• 15.5 小結及拓展閱讀

1. 低資源神經機器翻譯

• 16.1 數據的有效使用
• 16.2 雙向翻譯模型
• 16.3 多語言翻譯模型
• 16.4 無監督機器翻譯
• 16.5 領域適應
• 16.6 小結及拓展閱讀

1. 多模態、多層次機器翻譯

• 17.1 機器翻譯需要更多的上下文
• 17.2 語音翻譯
• 17.3 圖像翻譯
• 17.4 篇章級翻譯
• 17.5 小結及拓展閱讀

1. 機器翻譯套用技術

• 18.1 機器翻譯的套用並不簡單
• 18.2 增量式模型最佳化
• 18.3 互動式機器翻譯
• 18.4 翻譯結果的可干預性
• 18.5 小設備機器翻譯
• 18.6 機器翻譯系統的部署
• 18.7 機器翻譯的套用場景

Part V 附錄

• 附錄 A：開源機器翻譯系統
• 附錄 B：評測任務及基準數據集
• 附錄 C：IBM模型2-5訓練方法

更新歷史

2021年8月25日 勘誤與部分內容修正 V0.32

2021年2月1日 修復大量的文字錯誤 V0.31

2021年2月1日 《機器翻譯：基礎與模型》，完整版 V0.3

2020年12月1日 《機器翻譯：基礎與模型》（更名後），基礎篇 V0.2

2020年5月21日 《機器翻譯：統計建模與深度學習方法》，第一版 V0.1