当前神经机器翻译依靠大量平行语料，导致很多语种不适用。然而，现有基于非平行语料的方法仍未将非平行语料在训练和解码中完美使用。为此，本文提出一种镜像生成式机器翻译模型：MGNMT(mirror-generation NMT).这是一个统一的框架，该框架同时集成了source-target和target-source的翻译模型及其各自语种的语言模型。MGNMT中的翻译模型和语言模型共享隐语义空间，所以能从非平行语料中更有效的学习两个方向上的翻译。

内容中包含的图片若涉及版权问题，请及时与我们联系删除