合并分支 'caorunzhe' 到 'master'

Caorunzhe

查看合并请求 !64

Book/ChapterPreface/ChapterPreface.tex

@@ -23,27 +23,28 @@
 本书共分为七个章节，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。各章节的主要内容包括：
 
 \begin{itemize}
-\vspace{0.4em}
+\vspace{0.5em}
 \item 第一章：机器翻译简介
-\vspace{0.4em}
+\vspace{0.5em}
 \item 第二章：词法、语法及统计建模基础
-\vspace{0.4em}
+\vspace{0.5em}
 \item 第三章：基于词的机器翻译模型
-\vspace{0.4em}
+\vspace{0.5em}
 \item 第四章：基于短语和句法的机器翻译模型
-\vspace{0.4em}
+\vspace{0.5em}
 \item 第五章：人工神经网络和神经语言建模
-\vspace{0.4em}
+\vspace{0.5em}
 \item 第六章：神经机器翻译模型
-\vspace{0.4em}
+\vspace{0.5em}
 \item 第七章：神经机器翻译实战 \ \dash \ 参加一次比赛
-\vspace{0.4em}
+\vspace{0.5em}
 \end{itemize}
 
 其中，第一章是对机器翻译的整体介绍。第二章和第五章是对统计建模和深度学习方法的介绍，分别建立了两个机器翻译范式的基础知识体系 \ \dash \ 统计机器翻译和神经机器翻译。统计机器翻译部分（第三、四章）涉及早期的基于单词的翻译模型，以及本世纪初流行的基于短语和句法的翻译模型。神经机器翻译（第六、七章）代表了当今机器翻译的前沿，内容主要涉及了基于端到端表示学习的机器翻译建模方法。特别的，第七章对一些最新的神经机器翻译方法进行了讨论，为相关科学问题的研究和实用系统的开发提供了可落地的思路。图\ref{fig:preface}展示了本书各个章节及核心概念之间的关系。
 
 {\red 用最简单的方式阐述机器翻译的基本思想}是笔者所期望达到的目标。但是，书中不可避免会使用一些形式化定义和算法的抽象描述，因此，笔者尽所能通过图例进行解释（本书共320张插图）。不过，本书所包含的内容较为广泛，难免会有疏漏，望读者海涵，并指出不当之处。
 
+%-------------------------------------------
 \begin{figure}[htp]
 \centering
 \centering