다국어 신경 기계 번역을 위한 언어 인식 인터링구아

다국어 신경 기계 번역(NMT)은 언어 간 공통 언어 정보를 공유함으로써 자원이 제한된 환경에서 놀라운 정확도 향상을 가져왔습니다. 그러나 전통적인 다국어 모델은 서로 다른 언어의 다양성과 특수성을 포착하지 못해, 충분히 훈련된 개별 모델에 비해 성능이 떨어집니다. 본 논문에서는 Encoder-Decoder 아키텍처에 언어 인식 인터링구아를 통합합니다. 인터링구아 네트워크는 모델이 서로 다른 언어의 의미적 공간에서 언어 독립적 표현을 학습할 수 있게 하며, 특정 언어 쌍의 언어별 전문화를 허용합니다. 실험 결과, 제안한 방법이 최신 다국어 NMT 기준에 비해 눈에 띄는 향상을 달성하고, 강력한 개별 모델과 유사한 성능을 발휘함을 보여줍니다.