多语言翻译模型的训练方法、系统和电子设备
知识产权简介
一般情况下,神经机器翻译(Neural Machine Translation, NMT)作为一种序列到序列(sequence-to-sequence, seq2seq)的任务,其模型采用编码器-解码器(Encoder-Decoder)结构,通常为Transformer结构。多语言机器翻译(Multilingual Machine Translation)任务旨在通过同一机器翻译模型实现多个语言对的翻译目标。目前,处理多语言机器翻译问题有2种主流的解决方案: 第一,针对不同的源语言(source language)使用不同的独立的编码器,或针对不同的目标语言(target language)使用不同的独立的解码器。 第二,对于需求的多语言机器翻译任务中每个单独的翻译语言对,于源端句子前打上特定的标签(tag)以作区分。