计算机工程与科学

作者：肖妮妮, 金畅, 段湘煜

单位：（苏州大学计算机科学与技术学院自然语言处理实验室，江苏 苏州 215006）

关键词：神经网络,神经机器翻译,领域适应,模型优化,情感信息,

神经机器翻译系统的良好性能依赖于大规模内领域双语平行数据，当特定领域数据稀疏或不存在时，领域适应是个很好的解决办法。无监督领域适应方法通过构建伪平行语料来微调预训练的翻译模型，然而现有的方法没有充分考虑语言的语义、情感等特性，导致目标领域的翻译包含大量的错误和噪声，从而影响到模型的跨领域性能。为缓解这一问题，从模型和数据2个方面来提高伪平行句对的质量，以提高模型的领域自适应能力。首先，提出更加合理的预训练策略来学习外领域数据更为通用的文本表示，增强模型的泛化能力，同时提高内领域的译文准确性；然后，融合句子的情感信息进行后验筛选，进一步改善伪语料的质量。实验表明，该方法在中-英与英-中实验上比强基线系统反向翻译的BLEU值分别提高了1.25和 1.38，可以有效地提高翻译效果。

来源：2022年第12期

《计算机工程与科学》期刊编辑部

查看计算机工程与科学杂志2022年第12期