一种基于元学习及语言对子网的多语言神经机器翻译模型训练方法

一种基于元学习及语言对子网的多语言神经机器翻译模型训练方法，它属于机器翻译技术领域。本发明解决了现有的多语言翻译共享模型的翻译性能差的问题。本发明借助ML方法对多语言翻译模型进行初始参数优化，得到局部最优参数值，ML通过学习任务间共享表示，并对每种语言对进行自适应调整，可以减少参数干扰，保证翻译性能。通过学习语言特定子网可以获得每种语言对任务的掩码矩阵，在模型训练时每次仅仅更新输入语言对数据对应的模型参数，使多语言翻译模型能够避免参数干扰，同时提升训练效率。在后续翻译任务中，仅需要掩码矩阵中元素1对应的模型参数来参与翻译结果预测，降低了模型计算的复杂度。本发明方法可以应用于机器翻译领域。