零资源神经机器翻译的教师-学生框架

虽然端到端神经机器翻译（NMT）最近取得了显著的进展，但它仍然受到低资源语言对和领域的数据稀缺问题的困扰。在本文中，我们通过假设平行句子产生第三语言句子的概率接近，提出了一种零资源NMT的方法。基于这一假设，我们的方法能够在没有平行语料的情况下训练一个源到目标的NMT模型（"学生"），由现有的源-支点平行语料上的支点到目标NMT模型（"教师"）指导。实验结果表明，所提出的方法比基于枢轴的基线模型在不同的语言对中明显提高了3.0个BLEU点。