研究表明，变音符号在低资源情况下能显著提升机器翻译性能，而在高资源情况下则可能有害。保留或去除变音符号对翻译性能影响不大。该研究为不同数据规模下的机器翻译系统开发提供了重要见解。

本文介绍了一种通过高资源单语言模型翻译来改进词素分析的方法。该字符级序列到序列模型在无资源情况下表现良好，但在高资源环境中结果不稳定。然而，在资源极少时显示出潜力。

研究重新审视了翻译记忆增强的神经机器翻译，发现其对数据拟合良好但对波动敏感。为此，提出了一种简单有效的模型，实验显示在低资源、即插即用和高资源情况下均优于传统方法。