统计建模和深度学习方法:免费？

|陈大新

《AI技术评论》今天介绍朱静波团队的新书:《机器翻译:统计建模与深度学习方法(第2版)》——基础篇。

本书全面回顾了近30年来机器翻译的技术发展，围绕机器翻译建模这一主题，全面介绍了机器翻译的技术方法。

作者介绍:

画

注:朱静波(左)和肖童(右)

朱静波，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，博士生导师。

肖童，副教授，小牛翻译CEO，东北大学自然语言处理实验室副主任。

两位学术巨擘在写作中力求用简单的语言和简洁的例子解释机器翻译的基本模型，探讨相关的技术前沿。还会涉及到很多实践经验，包括机器翻译系统开发的很多细节。

从这个角度来说，这本书不仅仅是一本理论书，还结合了机器翻译的应用，为读者提供了很多机器翻译技术落地的具体思路。

这本书有PDF版本，可以免费下载和在线阅读:mtbook/index.html

值得一提的是，这本书的代码也是开源的:NiuTrans/MTBook。

这本书是用Tex写的，排版精良，插图精美，阅读如丝，体验极佳，让人爱不释手。

以下两页插图是随机抽取的:

更多插图:

本书分为四个部分，每个部分又由几个章节组成。各章顺序参考了机器翻译技术发展的时间顺序，并考虑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，包括统计建模、语言分析、机器翻译评测等等。

在第一章介绍了机器翻译的历史和现状之后，第二章通过语言建模的任务阐述了统计建模的思想，这一部分也将作为后续机器翻译模型和方法的基础。

第三章重点介绍了机器翻译中涉及的词法和句法分析方法，旨在为后续相关概念的使用做铺垫，并进一步论证统计建模思想在相关问题中的应用。第四章相对独立，系统地介绍了机器翻译结果的评估方法，这也是机器翻译建模和系统设计需要的预备知识。

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。

第六章进一步介绍了失真和输出率的概念，并给出了相关的翻译模型，这将在后面的章节中涉及。第七章和第八章分别介绍了基于短语和句法的模型。他们都是统计机器翻译的经典模型，他们的思想也构成了机器翻译成长过程中最本质的部分。

第三部分主要介绍了神经机器翻译模型，这也是近年来机器翻译研究的热点。

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整性。同时，第九章还介绍了基于神经网络的语言模型，其建模思想广泛应用于神经机器翻译。

第10、11和12章分别介绍了神经机器翻译的三个经典模型，按照模型提出的时间顺序，从最初的基于环形网络的模型到最新的模型。这也会影响编码器？介绍了解码器框架和注意机制等经典方法和技术。

第四部分将进一步讨论机器翻译的前沿技术，主要是神经机器翻译。这部分目前正在写，很快会和读者见面。

图书目录:

更多目录:

本书可用于计算机专业的高年级本科生和研究生，也可作为自然语言处理领域，尤其是机器翻译领域的研究人员的参考。另外，这本书每一章的主题都很明确，内容也比较集中。因此，读者也可以将每一章作为特定主题的学习材料。

这本书是一门课程，目的是系统介绍机器翻译的统计建模和深度学习方法。其内容已编成一本书，可供计算机专业高年级本科生和研究生使用，也可作为自然语言处理尤其是机器翻译相关研究人员的参考资料。

你还在等什么？赶紧先看！

如果你对自考/成考有任何疑问，不了解自考/成考考点内容，不了解自考/成考地方政策，点击最下方咨询先生官网，免费获取复习资料:/xl/