Adaptation for Neural Machine Translation

目标：7月把NMT adaptation文章通读下

场景：假设储备了大量新闻领域双语语料，少量科技领域双语语料（或者没有），科技领域单语语料（大量、少量或者没有）的大菜鸟翻译公司，接到一个科技领域的翻译项目。如何使用现有资源去尽可能的把科技领域的翻译做好。

问题：这里的科技领域就是in-domain，新闻领域是out-domain。如何使用数量有限的in-domain parallel corpus和相对丰富的out-domain parallel corpus来更好地提升in-domain translation performance。

论文阅读：

1. A Survey of Domain Adaptation for Neural Machine Translation

https://arxiv.org/pdf/1806.00258.pdf

文章给做了个简单的归类：

1. Data Centric

• Using Monolingual Corpora
• Synthetic Paralle Corpora Generation
• Using Out-of-Domain Parallel Corpora
  • Multi-Domain
  • Data Selection  

2. Model Centric

• Training Objective Centric
  • Instance/Cost Weighting
  • Fine Tuning
  • Mixed Fine Tuning
  • Regularization
• Architecture Centric