Uma Pesquisa sobre Tradução Automática Neural em Baixos Recursos

Abordagens neurais alcançaram precisão de ponta em tradução automática, mas sofrem com o alto custo de coleta de dados paralelos em grande escala. Assim, muita pesquisa foi conduzida para tradução automática neural (NMT) com dados paralelos muito limitados, ou seja, no cenário de baixos recursos. Neste artigo, fornecemos uma pesquisa sobre NMT em baixos recursos e classificamos trabalhos relacionados em três categorias de acordo com os dados auxiliares que utilizaram: (1) exploração de dados monolíngues das línguas de origem e/ou alvo, (2) exploração de dados de línguas auxiliares e (3) exploração de dados multimodais. Esperamos que nossa pesquisa possa ajudar os pesquisadores a entender melhor este campo e inspirá-los a projetar melhores algoritmos, além de ajudar os profissionais da indústria a escolher algoritmos apropriados para suas aplicações.