通过忽略虚假的相关关系来改进零散的神经机器翻译

零点翻译，即在神经机器翻译（NMT）系统从未训练过的语言对之间进行翻译，是在多语言环境中训练系统时出现的一种特性。然而，零点翻译的天真训练很容易失败，而且对超参数设置很敏感。其性能通常远远落后于更传统的基于支点的方法，该方法使用第三种语言作为支点进行两次翻译。在这项工作中，我们通过定量分析源句子和解码句子的语言ID之间的相互信息，解决了由于捕捉虚假的关联性而导致的退化问题。在这一分析的启发下，我们提出使用两种简单而有效的方法：（1）解码器预训练；（2）回译。在三个具有挑战性的多语言数据集上，这些方法比虚无缥缈的零点翻译有了明显的改善（4~22个BLEU点），并取得了与基于枢轴的方法类似或更好的结果。