【论文泛读161】低资源神经机器翻译调查

贴一下汇总贴：论文阅读记录

论文链接：《A Survey on Low-Resource Neural Machine Translation》

一、摘要

神经方法在机器翻译方面已经达到了最先进的准确性，但由于收集大规模并行数据的成本很高。因此，针对并行数据非常有限的神经机器翻译 (NMT) 进行了大量研究，即低资源设置。在本文中，我们对低资源 NMT 进行了调查，并根据它们使用的辅助数据将相关作品分为三类：（1）利用源语言和/或目标语言的单语数据，（2）利用辅助语言的数据，以及（3）利用多模态数据。我们希望我们的调查能够帮助研究人员更好地理解这个领域，启发他们设计更好的算法，帮助行业从业者为他们的应用选择合适的算法。

二、结论

在本文中，我们提供了低资源NMT的文献综述。不同的技术根据辅助数据的类型进行分类:来自源/目标语言的单语数据、来自其他语言的数据和多模态数据。我们希望这项调查能够帮助读者了解该领域，并为他们的应用选择合适的技术。

尽管在调查的低资源NMT上已经做了很多努力，但仍然存在一些悬而未决的问题：

• 在多语言和迁移学习中，使用多少辅助语言和哪些辅助语言尚不清楚。LANGRANK [Lin等，2019]训练模型选择一种辅助语言。直观来看，使用多种辅助语言可能优于只使用一种，值得探索。
• 培训包含多种richresource语