最全整理！清华大学发布机器翻译学习资料清单 作者｜清华大学自然语言处理组 译者｜Vincent 编辑｜Debra AI 前线导读：2018 年即将结束，在 18 年的最后一个工作日，清华大学自然语言处理组整理了一份机器翻译论文的阅读清单。 更多干货内容请关注微信公众号“AI 前线”（ID：ai-front） 过去三十年见证了机器翻译的快速发展，尤其是数据驱动方法，如统计机器翻译（SMT）和神经机器翻译（NMT）。由于目前 NMT 占主导地位，因此我们优先收集重要且最新的 NMT 文献。该列表仍然不完整，分类可能不合适。我们将继续增加论文并改进清单。欢迎任何建议！——清华大学自然语言处理组 清单地址： https://github.com/THUNLP-MT/MT-Reading-List 清单简单分为这样三个大的部分：十篇必读文献、统计机器翻译 以及 神经网络机器翻译。 清单回顾了统计机器翻译（SMT）时代的亮点论文，并概括了近期神经机器翻译（NMT）方向下的各个子领域，其中包括： 模型架构、注意力机制、开放词表问题与字符级别神经机器翻译、训练准则与框架、解码机制、低资源语言翻译、多语种机器翻译、先验知识融合、文档级别机器翻译、机器翻译中的鲁棒性、可视化与可解释性、公正性与多样性、机器翻译效率问题、语音翻译与同传翻译、多模态翻译、预训练方法、领域适配问题、质量估计、自动后处理、推导双语词典以及诗歌翻译。 总之这份清单内容十分丰富，可以收藏之后慢慢研究，同时也感谢清华大学同学们的付出！ 附完整目录： 10 篇必读 统计机器翻译 教程 基于单词的模型 基于短语的模型 基于语法的模型 判别训练 系统组合 评估 神经机器翻译 教程 模型架构 注意机制 开放的词汇和基于字符的 NMT 训练目标和框架 解码 低 资源（Low-resource）语言翻译 半监督方法 无监督方法 基于数据透视（Pivot-based）的方法 数据增强方法 数据选择方法 迁移 学习与多任务学习方法 元学习方法 多语言翻译 先验知识整合 单词/短语约束 句法/语义约束 覆盖范围限制 文档级翻译 稳健性 可视化和可解释性 公平与 多样性 效率 语音翻译与同声翻译 多模态 预训练 域适应 质量评估 自动后编（Automatic Post-Editing） 词汇翻译与双语词汇归纳 诗歌翻译 原文链接： https://github.com/THUNLP-MT/MT-Reading-List 如果你喜欢这篇文章，或希望看到更多类似优质报道，记得给我留言和点赞哦！ 阅读原文