计算机工程与科学

作者：王可超, 郭军军, 张亚飞, 高盛祥, 余正涛,

单位：（1.昆明理工大学信息工程与自动化学院，云南 昆明 650500;2.昆明理工大学云南省人工智能重点实验室，云南 昆明 650500）

关键词：汉越平行语料扩充,回译,数据增强,比例抽取,孪生网络,

基金：国家自然科学基金（61732005，61761026，61866020，61672271，61762056,61972186）；国家重点研发计划（2019QY1801,2019QY1802,2019QY1800）

回译作为翻译中重要的数据增强方法，受到了越来越多研究者的关注。其基本思想为首先基于平行语料训练基础翻译模型，然后利用模型将单语语料翻译为目标语言，组合为新语料用于模型训练。然而在汉?越低资源场景下，训练得到的基础翻译模型性能较差，导致在其上应用回译方法得到的平行语料中含有较多噪声，较难用于下游任务。针对此问题，构建基于比例抽取的孪生网络筛选模型，通过训练使得模型可以识别平行句对和伪平行句对，在同一语义空间上对回译得到的伪平行语料进行筛选去噪，进而得到更优的平行语料。在汉越数据集上的实验结果表明，所提方法训练的模型的性能相较基线模型有显著提升。

来源：2022年第10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10期