将“机器学习中英文单词翻译”录入手机词典

实用！中英文翻译对照表！内含专业名词词典及使用方法 | 工具推荐

在学习“机器学习”的过程中，或者阅读人工智能与社会科学交叉学科前沿文献时，我们需要去接触大量对社科领域学者而言很不熟悉的“新”术语。特别是对于英文的专业术语如何翻译或者对应到符合规范的中文术语，对初学者而言很容易抓瞎。小编采用前人构建的「词库」，将已有的翻译对照表制作为电子词典的样式，方便大家使用。

Github 上中英文翻译项目介绍：

电子词典的词条来自于 Github 上的一个翻译项目：

链接：https://github.com/jiqizhixin/Artificial-Intelligence-Terminology

项目说明如下：

Artificial-Intelligence-Terminology

The English-Chinese paired terminologies in Artificial Intelligence Domain

我们将机器之心在编译技术文章和论文过程中所遇到的专业术语记录下来，希望有助于大家查阅和翻译。同时也希望大家能积极指出我们编译的不当之处，共同推进知识高效、广泛地传播（第二版）

关于词典的翻译标准，文中介绍如下：

机器之心术语编译标准

因为该项目很多术语都是机器之心平常编译文章所积累的，所以我们首先需要向读者说明机器之心术语编译的标准。

1.常见术语的编译标准

机器之心常见术语的编译首先会确保术语的正确性，其次再考虑术语的传播广度。例如常见术语logistic regression，首先机器之心会保证该术语的准确度。我们常见 logistic regression 会翻译为逻辑回归，但中文「逻辑」与 logistic 的含义还是有些差别，因此我们并不太倾向于采用这种译法。在准确度的基础上，我们会考虑术语的传播广度。例如有学者建议可以将 logistic regression 译为对数几率回归，但鉴于该译法的传播度不广，看到中文并不会马上检索到对应英文和概念，所以我们最终在常见术语编译标准下将 logistic regression 译为 logistic 回归。机器之心在对常见术语编译时并不会保留英文，也不会做进一步说明。

2. 非常见术语的编译标准

机器之心在编译技术文章或论文时，常常会遇到非常见的术语。因为像论文那样的文章是在特定领域下为解决特定问题而规范化书写的，所以就会存在较多的非常见的术语。而机器之心在编译非常见术语时，唯一的标准就是准确性，通常我们也会保留英文。因为非常见术语通常是数学、神经科学和物理学等领域上的专业术语，机器之心会尽可能地借鉴其他领域内的译法和意义而确定如何编译。例如 fixed-point theorem，在参考数学的情况下，我们会更倾向于译为不动点定理，fixed-point 译为不动点而不是定点。

3.歧义术语的编译标准

还有很多术语其实是有歧义的，而对于这一类词，机器之心的编译标准会根据语义进行确定，因此也会有一些误差。例如 bias 在描述神经网络层级单元时可以译为偏置项。而在描述训练误差和与叉验证误差间的关系或学习曲线时，bias 可以译为偏差。这样的例子还有很多，比如 Stationary 在马尔可夫模型中可译为稳态分布（Stationary distribution），在最优化问题中可译为驻点（Stationary point），而在涉及博弈论或对抗性训练时，其又可能表达为静态。

以上是机器之心大概编译术语的标准，虽然我们在常用术语的编译上错误率相对较少，但在非常见术语和歧义术语上仍然会出现一些错误。尤其是在非常见术语的编译上，没有特定的背景知识很容易在编译上出现误差。因此我们希望能与读者共同加强术语的编译质量。

翻译的具体组织形式可以参见 GitHub 的项目链接，其成果可以通过下面的二维码访问：

或复制链接在浏览器中打开：

https://jiqizhixin.github.io/AI-Terminology-page/

电子词典设置步骤：

通过网页访问查词，在我们的日常使用中还是不够方便，所以小编整理了其中的词条，将其制作成了电子词典，可以在手机上快速查词。下面是操作过程：

1. APP：欧路词典

欧路词典允许导入第三方词典，所以使用其作为我们的电子词典载体，需要从下面链接下载软件，或自行在各大应用商店搜索「欧路词典」。

访问：https://www.eudic.net/v4/en/app/download

选择对应的设备即可下载⏬。

2. 词典文件

https://www.jianguoyun.com/p/DRxFvaoQqejVBhjNyFE