Notes on Section 9.5

本节主要讲述的是机器翻译，在机器翻译的发展史中，先后出现了统计机器翻译（SMT）和神经机器翻译（NMT）。前者主要是基于贝叶斯模型来寻找概率最高的句子，这种情境下，机器不会理解语义，而是采取最优配对的策略。而我们这一部分主要讲的是后者，也就是NMT

NMT强调的是端到端学习，也就是直接拟合原文到翻译的后验概率。

首先我们先获取一个数据集，结构是“当前语言-目标语言”的对应格式，然后预处理，分离单词和标点（这一步的粒度是字符级），然后洗完之后重组并词元化。

最后洗完的数据分布如下

然后构建词表，增加虚拟词

然后增加一些结构和训练标签的处理

最后好像文章里没有跑模型，呃呃所以这一节其实就构建了数据集？

那好吧溜了溜了