郭望皓，范江威，张克亮

1.战略支援部队信息工程大学 洛阳校区，河南 洛阳 471003

2.郑州大学 信息工程学院，郑州 450001

自1954 年世界上第一个机器翻译系统问世以来，到今天已经有60 余年了。期间，机器翻译经历了百花齐放、百舸争流的盛况，也经历了万籁俱静的萧条与沉寂。主流机器翻译技术发展范式由基于规则的方法，演进到统计方法，再到时至今日的神经网络方法。随着机器翻译译文质量的提升，其应用也由实验室走向人们的日常生活之中，满足大家阅读、会谈、出行、购物等跨语言交际的需求。2013 年以来，神经机器翻译由于不需要设计复杂的特征工程，模型简洁高效得到了研究者与开发人员的青睐，加之并行计算、图形处理器、大数据的广泛应用，在学界和产业界迅速掀起了神经机器翻译的研发热潮，推动神经机器翻译向实用化、商业化方向不断迈进。尽管神经机器翻译取得了巨大成功，但是依然存在着诸如翻译不忠实，存在“过译”和“漏译”现象，罕见词（rare word）和集外词（out of vocabulary，OOV）处理困难，低资源语言表现不佳等问题[1-3]。神经机器翻译架构本身导致了上述问题的产生。表1 显示了目前神经机器翻译存在的问题及原因。

Table 1 Problems and causes of neural machine translation表1 目前神经机器翻译存在的问题及原因

为了缓解上述问题，学者们提出了诸多方法改进神经机器翻译模型[4-8]。其中一项重要的思路就是将语言学知识融合到神经网络之中，从而提升系统性能，提高翻译质量。纵观机器翻译发展史，语言学知识一直发挥着不可替代的重要作用。……