论文中多语言的神经机器翻译方法（multilingual neural machine translation）

一般的神经机器翻译模型（NMT）实现的是一种语言到另一种语言的翻译，也就是用在特定的语言对之间。最近一些工作开始将一般的NMT扩展到多语言的场景。目前两种通常的做法是：一、为每种源语言单独准备一个encoder，每种目标语言也准备一个decoder，然后encoder和decoder之间共享一个注意力层。二、不管源端和目标端多少种语言统一一个encoder，一个decoder，然后attention。

1.《Toward Multilingual Neural Machine Translation with Universal Encoder and Decoder》:一个encoder-decoder

低资源平行语料（En->De）情况下：融合单语语料(De->De)或其他低资源平行语料（例如Fr->De）能够提升模型效果。

融合大量单语语料情况下：也可以提升模型效果。