同源语料增强的低资源神经机器翻译

扫码查看

原文链接

万方数据
维普

中文摘要：缺少平行句对的低资源机器翻译面临跨语言语义转述科学问题.该文围绕具体的低资源印尼语-汉语机器翻译问题,探索了基于同源语料的数据增广方法,并混合同源语料训练出更优的神经机器翻译模型.这种混合语料模型在印尼语-汉语机器翻译实验中提升了 3个多点的BLEU4评分.实验结果证明,同源语料能够有效增强低资源神经机器翻译性能,而这种有效性主要是源于同源语言之间的形态相似性和语义等价性.

外文标题：Cognate-Corpus-Enhanced Low-Resource Neural Machine Translation

外文摘要：Low-resource machine translation is challenged by lacking parallel sentence pairs.We address the specific low-resource machine translation issue from Indonesian to Chinese,and proposes a data augmentation method based on a cognate corpus.Specifically,we optimize the neural machine translation(NMT)model by mixing a cognate corpus,which is mainly derived from the morphological similarity and semantic equivalence between the cognate languages.Experiments demonstrate that the proposed method achieves more than 3 points of the BLEU4 score in the Indonesian-Chinese machine translation.

外文关键词：

cognate corpusdata augmentationlow-resource machine translationIndonesianMalay

作者：

王琳、刘伍颖

展开 >

作者单位：

上海外国语大学贤达经济人文学院,上海 200083

鲁东大学山东省语言资源开发与应用重点实验室,山东烟台 264025

关键词：

同源语料数据增广低资源机器翻译印尼语马来语

基金：

教育部人文社会科学研究青年基金上海市哲学社会科学"十三五"规划课题教育部人文社会科学研究规划基金教育部新文科研究与改革实践项目山东省研究生教育改革研究项目山东省本科教学改革研究重点项目

项目编号：

20YJC7400622019BYY02820YJAZH0692021060049SDYJG21185Z2021323

出版年：

2024

中文信息学报

中国中文信息学会,中国科学院软件研究所

中文信息学报

CSTPCDCHSSCD北大核心

影响因子：0.8

ISSN：1003-0077

年,卷(期)：2024.38(2)

参考文献量29