零资源神经机器翻译的教师-学生框架
计算与语言
2017-05-03 v1
摘要
尽管端到端神经机器翻译（NMT）近期取得了显著进展，但对于低资源语言对和领域，它仍受限于数据稀缺问题。在本文中，我们通过假设平行句对生成第三种语言句子的概率相近，提出了一种零资源 NMT 方法。基于该假设，我们的方法能够在无可用平行语料库的情况下，在源-枢轴平行语料库上由已有的枢轴-目标 NMT 模型（“教师”）引导，训练一个源-目标 NMT 模型（“学生”）。实验结果表明，所提方法在各种语言对上比基于枢轴的基线模型显著提升了 +3.0 BLEU 点。
引用
@article{arxiv.1705.00753,
title = {A Teacher-Student Framework for Zero-Resource Neural Machine Translation},
author = {Yun Chen and Yang Liu and Yong Cheng and Victor O. K. Li},
journal= {arXiv preprint arXiv:1705.00753},
year = {2017}
}
备注
Accepted as a long paper by ACL 2017