科研之友
微信
新浪微博
Facebook
分享链接
摘要
神经机器翻译是数据驱动式翻译方法，其性能依赖于平行句对的规模和质量，构建海量高质量的平行句对是提升机器翻译性能的基础工作之一。然而，人工标注高质量平行句对需要较高的成本，因此，探究如何从既有语料资源中生成新语料，对提升低资源机器翻译性能具有重要的意义。本文提出基于语义差异的汉-缅平行句对生成方法。一方面，利用基于词表征的近义词检索技术获取关键词的近义词列表，随后基于近义词替换生成新句对；另一方面，利用预训练模型度量新生成句对间的语义差异，筛选语义差异较小的句对作为训练语料。实验表明，本文所提方法可作为有效的数据增强手段，能够提升汉-缅语言对的数据规模并改善翻译质量。
- 单位
