机器学习建模和预测流程（朱靖波团队力作）

作者

| 陈大鑫

AI科技评论今天介绍一本朱靖波团队的新书：《机器翻译：统计建模与深度学习方法 (第二版)-基础篇》。

本书全面回顾了近三十年内机器翻译的技术发展历程，并围绕机器翻译的建模这一主题对机器翻译的技术方法进行了全面介绍。

作者介绍：

图

注：朱靖波（左）与肖桐（右）

朱靖波，教授，小牛翻译创始人&董事长、东北大学计算机学院人工智能系教授和博士生导师。

肖桐，副教授，小牛翻译CEO ，东北大学自然语言处理实验室副主任。

在写作中，两位学术大牛力求用朴实的语言和简洁的实例阐述机器翻译的基本模型，同时对相关的技术前沿进行讨论。其中也会涉及大量的实践经验，包括许多机器翻译系统开发的细节。

从这个角度来说，本书不单单是一本理论书籍，它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具体思路。

本书既有PDF版本免费下载，也支持在线阅读：https://opensource.niutrans.com/mtbook/index.html

值得一提的是本书代码也已开源：https://github.com/NiuTrans/MTBook

本书用Tex编写，排版十分精良，插图优美，阅读如丝般顺滑，体验极佳，让人爱不释手。

以下随意截取两页插图：

更多插图：

本书共分为四个部分，每部分由若干章节组成，章节的顺序参考了机器翻译技术发展的时间脉络，同时兼顾了机器翻译知识体系的内在逻辑。

各部分的主要关系如下：

第一部分是本书的基础知识部分，包含统计建模、语言分析、机器翻译评价等。

在第一章对机器翻译的历史及现状进行介绍之后，第二章通过语言建模任务将统计建模的思想阐述出来，同时这部分内容也会作为后续机器翻译模型及方法的基础。

第三章重点介绍机器翻译所涉及的词法和句法分析方法，旨在为后续相关概念的使用进行铺垫，同时进一步展示统计建模思想在相关问题上的应用。第四章相对独立，系统地介绍了机器翻译结果的评价方法，这部分内容也是机器翻译建模及系统设计所需的前置知识。

第二部分主要介绍统计机器翻译的基本模型。第五章是整个机器翻译建模的基础。

第六章进一步对扭曲度和产出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的内容中都有涉及。第七章和第八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。

第三部分主要介绍神经机器翻译模型，该模型也是近些年机器翻译的热点。

第九章介绍了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，第九章也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。

第十、十一、十二章分别对三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，到最新的 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。

第四部分会进一步对机器翻译的前沿技术进行讨论，以神经机器翻译为主。该部分目前正在写作中，很快就会与读者见面。

书籍目录：

更多目录：

本书可以供计算机相关专业高年级本科生及研究生学习之用，也可以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，本书各章的主题都十分明确，内容也相对集中。因此，读者也可将每章作为某一专题的学习资料。

本书是一个教程，目的是对机器翻译的统计建模和深度学习方法进行较为系统的介绍。其内容被编纂成书，可以供计算机相关专业高年级本科生及研究生学习之用，亦可作为自然语言处理，特别是机器翻译相关研究人员的参考资料。

还在等什么？赶紧抢先阅读吧！

,