基于字符级语言建模的汉蒙神经机器翻译方法研究

作者：胡泽林; 高翊^*; 李淼; 曹宜超

来源：昆明理工大学学报(自然科学版), 2023, 48(03): 85-92.

DOI：10.16112/j.cnki.53-1223/n.2023.03.132

• 汉蒙神经机器翻译
• 小语种语言翻译
• 翻译模型
• 去噪自编码
• 字符级语言

随着机器学习技术的发展，文字翻译模型的翻译效率与准确率逐步提高，要达到理想的翻译效果离不开大量高质量的平行语料.疫情以来，我国坚持扩大内需、形成强大的国内市场，各民族间的联系比以往更为紧密，各种语言间的翻译尤为重要.蒙古语作为一类使用量较大的少数民族语言，不同词形涵义千差万别且缺少足够的平行语料支撑训练，导致现有的语言翻译模型效果不佳.本文针对以上问题，进行如下研究：(1)提出字符级语句分割，缓解平行语料不足带来的未登录词问题，降低了计算成本.(2)使用去噪自编码技术，迫使模型学习如何更加鲁棒地表达输入特征，增强模型的泛化能力.(3)使用无监督对偶式迭代翻译模型，将汉蒙翻译与蒙汉翻译以对偶方式同时进行无监督式迭代训练，实现语言建模与双向翻译，通过比较同数据集下该模型与传统Transformer模型训练的BLEU值得出，该模型具有更好的性能、更高的翻译准确率.

• 单位
  赣南师范大学; 中国科学院合肥智能机械研究所; 中国科学院，合肥智能机械研究所