机器翻译：基础与模型

Machine Translation: Foundations and Models

作者：肖桐 (Tong Xiao) 朱靖波 (Jingbo Zhu)

单位：东北大学自然语言处理实验室 (NEUNLPLab) / 小牛翻译 (NiuTrans Research)

顾问：姚天顺 (Tianshun Yao) 王宝库 (Baoku Wang)

网站：https://opensource.niutrans.com/mtbook/homepage.html

GitHub：https://github.com/NiuTrans/MTBook

百度网盘： https://pan.baidu.com/s/1S4EOfNyyjCVGlMe9Ektn2g 提取码：MTBK

这是一个教程，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（前身为《机器翻译：统计建模与深度学习方法》）。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。本书用tex编写，所有源代码均已开放。

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（如果无法显示图片可以稍后再试）：

内容

封面、前言和目录

Part I 机器翻译基础

1. 机器翻译简介

• 1.1 机器翻译的概念
• 1.2 机器翻译简史
• 1.3 机器翻译现状及挑战
• 1.4 基于规则的方法
• 1.5 数据驱动的方法
• 1.6 推荐学习资源

2. 统计语言建模基础

• 2.1 概率论基础
• 2.2 掷骰子游戏
• 2.3 n-gram 语言模型
• 2.4 预测与搜索
• 2.5 小结及拓展阅读

3. 词法分析和语法分析基础

• 3.1 问题概述
• 3.2 中文分词
• 3.3 命名实体识别
• 3.4 句法分析（短语结构分析）
• 3.5 小结及拓展阅读

4. 翻译质量评价

• 4.1 译文质量评价所面临的挑战
• 4.2 人工评价
• 4.3 有参考答案的自动评价
• 4.4 无参考答案的自动评价
• 4.5 小结及拓展阅读

Part II 统计机器翻译

5. 基于词的机器翻译建模

• 5.1 词在翻译中的作用
• 5.2 一个简单实例
• 5.3 噪声信道模型
• 5.4 统计机器翻译的三个基本问题
• 5.5 IBM 模型1
• 5.6 小结及拓展阅读

6. 基于扭曲度和繁衍率的模型

• 6.1 基于扭曲度的模型
• 6.2 基于繁衍率的模型
• 6.3 解码和训练
• 6.4 问题分析
• 6.5 小结及拓展阅读

7. 基于短语的模型

• 7.1 翻译中的短语信息
• 7.2 数学建模
• 7.3 短语抽取
• 7.4 翻译调序建模
• 7.5 翻译特征
• 7.6 最小错误率训练
• 7.7 栈解码
• 7.8 小结及拓展阅读

8. 基于句法的模型

• 8.1 翻译中句法信息的使用
• 8.2 基于层次短语的模型
• 8.3 基于语言学句法的模型
• 8.4 小结及拓展阅读

Part III 神经机器翻译

9. 人工神经网络和神经语言建模

• 9.1 深度学习与人工神经网络
• 9.2 神经网络基础
• 9.3 神经网络的张量实现
• 9.4 神经网络的参数训练
• 9.5 神经语言模型
• 9.6 小结及拓展阅读

10. 基于循环神经网络的模型

• 10.1 神经机器翻译的发展简史
• 10.2 编码器-解码器框架
• 10.3 基于循环神经网络的翻译建模
• 10.4 注意力机制
• 10.5 训练及推断
• 10.6 小结及拓展阅读

11. 基于卷积神经网络的模型

• 11.1 卷积神经网络
• 11.2 基于卷积神经网络的翻译建模
• 11.3 局部模型的改进
• 11.4 小结及拓展阅读

12. 基于自注意力的模型

• 12.1 自注意力机制
• 12.2 Transformer 架构
• 12.3 位置编码
• 12.4 基于点乘的多头注意力机制
• 12.5 残差网络和层标准化
• 12.6 前馈全连接网络子层
• 12.7 训练
• 12.8 推断
• 12.9 小结及拓展阅读

Part IV 机器翻译前沿

13. 神经机器翻译模型训练

• 13.1 开放词表
• 13.2 正则化
• 13.3 对抗样本训练
• 13.4 学习策略
• 13.5 知识蒸馏
• 13.6 基于样本价值的学习
• 13.7 小结及拓展阅读

14. 神经机器翻译模型推断

• 14.1 面临的挑战
• 14.2 基本问题
• 14.3 轻量模型
• 14.4 非自回归翻译
• 14.5 多模型集成
• 14.6 小结及拓展阅读

15. 神经机器翻译结构优化

• 15.1 注意力机制的改进
• 15.2 神经网络连接优化及深层模型
• 15.3 基于句法的神经机器翻译模型
• 15.4 基于结构搜索的翻译模型优化
• 15.5 小结及拓展阅读

16. 低资源神经机器翻译

• 16.1 数据的有效使用
• 16.2 双向翻译模型
• 16.3 多语言翻译模型
• 16.4 无监督机器翻译
• 16.5 领域适应
• 16.6 小结及拓展阅读

17. 多模态、多层次机器翻译

• 17.1 机器翻译需要更多的上下文
• 17.2 语音翻译
• 17.3 图像翻译
• 17.4 篇章级翻译
• 17.5 小结及拓展阅读

18. 机器翻译应用技术

• 18.1 机器翻译的应用并不简单
• 18.2 增量式模型优化
• 18.3 交互式机器翻译
• 18.4 翻译结果的可干预性
• 18.5 小设备机器翻译
• 18.6 机器翻译系统的部署
• 18.7 机器翻译的应用场景

随笔

Part V 附录

• 附录 A：开源机器翻译系统
• 附录 B：评测任务及基准数据集
• 附录 C：IBM模型2-5训练方法

参考文献

索引

注：本书的pdf版本可以从GitHub仓库获取https://github.com/NiuTrans/MTBook/blob/master/mt-book.pdf

源代码

本书的tex源代码地址为：https://github.com/NiuTrans/MTBook/src

编译前需要安装MikTeX，并在MikTeX Console中下载并更新编译所需宏包。之后，编译src目录下的mt-book-xelatex.tex即可得到pdf文件，编译指令如下：

xelatex mt-book-xelatex
biber mt-book-xelatex
makeindex mt-book-xelatex
xelatex mt-book-xelatex
xelatex mt-book-xelatex

在编译中可能会遇到内存不足的问题，可以通过以下方式解决：

Windows下使用MiKTeX或CTEX

1. 运行cmd打开命令行窗口，输入：initexmf --edit-config-file=xelatex

2. 在弹出的文件中输入以下内容：main_memory=5000000 extra_mem_bot=5000000 font_mem_size=5000000 pool_size=5000000 buf_size=5000000

3. 在cmd窗口输入： initexmf --dump=xelatex 更新latex格式文件

TeXLive & MacTeX（Linux，OS X等）

1. 打开texmf.cnf文件，更改其内容为：main_memory=5000000 extra_mem_bot=5000000 font_mem_size=5000000 pool_size=5000000 buf_size=5000000

2. 调用texhash更新latex格式文件

注：编译tex文件会依赖一些宏包。如果有任何编译错误，建议将宏包更新至最新版本。

课件

本教程部分章节的课件已开放（我们对有些章节进行了合并）。pdf版本的地址为https://github.com/NiuTrans/MTBook/tree/master/slides

开源协议

本书的开源内容基于The Creative Commons Attribution-NonCommercial 4.0 Unported License（link）

更新历史

2021年8月25日 勘误与部分内容修正 V0.32

2021年2月1日 修复大量的文字错误 V0.31

2021年2月1日 《机器翻译：基础与模型》，完整版 V0.3

2020年12月1日 《机器翻译：基础与模型》（更名后），基础篇 V0.2

2020年5月21日 《机器翻译：统计建模与深度学习方法》，第一版 V0.1

致谢

感谢为本书做出贡献的小牛团队（部分）成员

曹润柘、曾信、孟霞、单韦乔、周涛、周书含、许诺、李北、许晨、林野、李垠桥、王子扬、刘辉、张裕浩、冯凯、罗应峰、魏冰浩、王屹超、李炎洋、胡驰、姜雨帆、田丰宁、刘继强、张哲旸、陈贺轩、牛蕊、杜权、张春良、王会珍、张俐、马安香、胡明涵

联系我们

有任何问题请联系xiaotong [at] mail.neu.edu.cn （肖桐） 或 caorz0628 [at] qq.com（曹润柘）