黄继豪，余正涛，于志强，文永华

(昆明理工大学信息工程与自动化学院，云南省人工智能重点实验室，云南昆明650500)

随着我国“一带一路”战略的提出，中越两国交流日益频繁，汉语-越南语(简称汉越)双语翻译技术需求不断增长，但是汉语-越南语神经机器翻译(neural machine translation,NMT)平行语料规模较小，翻译性能不够理想，这成为制约中越两国交流的瓶颈问题.基于编解码模型的端到端NMT[1-2]是目前机器翻译的主流研究方向，其利用编码器将源语言文本编码为固定长度的语义表示，解码器利用该表示逐词生成相应的目标翻译.目前基于编解码的NMT模型包含大量的参数，需要利用大规模平行语料实现参数优化，因此虽然NMT模型在资源丰富型语言翻译任务上已具备很好的翻译性能[3-4]，但是低资源语言因为语料规模有限，模型无法得到充分的训练，导致模型性能不佳.Zoph等[5]也证明在低资源的场景下，NMT性能甚至低于传统的统计机器翻译(SMT).因此探索如何利用资源丰富型语言来提升汉越NMT性能成为了当下的研究热点.

目前枢轴语言和迁移学习是解决低资源场景下NMT效果不佳的有效方法.Wu等[6]和Utiyama等[7]提出基于枢轴语言的翻译方法，使用资源丰富型枢轴语言桥接源语言和目标语言，利用存在的源语言-枢轴语言和枢轴语言-目标语言的平行语料库，分别训练源语言到枢轴语言和枢轴语言到目标语言的翻译模型.该方法的优点在于，即使在缺乏大规模的双语平行语料库的低资源场景下，也可以利用枢轴语言实现源语言和目标语言的有效翻译；……