低资源神经机器翻译中利用单语数据的方法综述
计算与语言
2019-10-02 v1
摘要
对于拥有大规模平行语料库的语言对，神经机器翻译已成为最先进的方法。然而，低资源语言的机器翻译质量仍远不能令人满意。已有若干方法缓解该问题，例如迁移学习、半监督与无监督学习技术。本文综述现有方法，其主要思想是挖掘单语数据的威力——与平行数据相比，单语数据通常更易获取且数量显著更多。
引用
@article{arxiv.1910.00373,
title = {A Survey of Methods to Leverage Monolingual Data in Low-resource Neural Machine Translation},
author = {Ilshat Gibadullin and Aidar Valeev and Albina Khusainova and Adil Khan},
journal= {arXiv preprint arXiv:1910.00373},
year = {2019}
}
备注
Presented in ICATHS'19