零資源神經機器翻譯的師生框架

雖然端到端神經機器翻譯（NMT）最近取得了顯著進展，但它仍然受到低資源語言對和域的數據稀缺問題的困擾。在本文中，我們提出了一種零資源NMT的方法，假設平行句子在第三語言中生成句子的概率接近。基於這一假設，我們的方法能夠在沒有並行語料庫的情況下訓練源到目標NMT模型（“學生”），由源透視並行語料庫上現有的樞軸到目標NMT模型（“教師”）指導。實驗結果表明，與基於基線透視的模型相比，該方法在各種語言對上顯著提高了+3.0 BLEU點。