突厥语机器翻译的跨语言迁移

跨语言迁移是低资源机器翻译的核心，但其在密切相关的语言家族中的行为仍然没有得到充分的表征。我们研究五种突厥语言之间的迁移；土耳其语、阿塞拜疆语、乌兹别克语、哈萨克语和吉尔吉斯语；使用成对转移矩阵。在此设置中，每个模型都使用一个传输源进行微调，并在不同的传输目标上进行评估，同时翻译目标保持不变。在 mT5 实验中，我们发现密切相关的突厥语对之间的迁移最强，尤其是土耳其语-阿塞拜疆语和哈萨克语-吉尔吉斯语。我们还表明，传输方向很重要，并且当翻译目标发生变化时，相同的传输源-传输目标对可能会表现不同。拉丁化在多个脚本不匹配的设置中改进了 BLEU 和 chrF，但其效果在各个指标中并不统一。其他分析表明，传输源在不同的数据集和模型设置中大多是稳定的。