Jun, 2019
利用“校内学习”动态组合领域数据和清洗数据进行神经机器翻译
Dynamically Composing Domain-Data Selection with Clean-Data Selection by
"Co-Curricular Learning" for Neural Machine Translation
TL;DR介绍了一种“共同课程学习”方法，通过动态领域数据选择和动态干净数据选择的组合来进行转移学习，使用 EM 风格的优化过程来进一步优化“共同课程”。实验结果和两个领域的分析证明了该方法的有效性和由共同课程安排的数据的属性。