三角迁移：为三角机器翻译冻结枢轴语言

三角机器翻译是低资源机器翻译的一种特殊情况，其中感兴趣的语言对平行数据有限，但两种语言均与一种枢轴语言具有丰富的平行数据。自然地，三角机器翻译的关键在于对此类辅助数据的成功利用。在本工作中，我们提出了一种基于迁移学习的方法，利用所有类型的辅助数据。在我们训练辅助的源-枢轴与枢轴-目标翻译模型时，使用预训练语言模型初始化枢轴侧的部分参数并冻结它们，以促使两个翻译模型在同一枢轴语言空间中工作，从而能够平滑地迁移到源-目标翻译模型。实验表明，我们的方法优于先前的方法。