计算机工程与科学

作者：尤丛丛, 高盛祥, 余正涛, 毛存礼, 潘润海,

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,数据增强,同义词替换,神经机器翻译,

基金：国家重点研发计划（2019QY1801,2019QY1802,2019QY1800）；国家自然科学基金（61761026,61972186,61732005,61672271,61762056）；云南省高新技术产业专项(201606)；云南省自然科学基金（2018FB104）；昆明理工大学省级人培项目（KKSY201703005）

汉越平行语料库的资源稀缺，很大程度上影响了汉越机器翻译效果。数据增强是提升汉越机器翻译的有效途径，基于双语词典的词汇替换数据增强是当前较为流行的方法。由于汉语-越南语属于低资源语言对，双语词典难以获得，而通过单语词向量获取低频词的同义词较为容易。因此，提出一种基于低频词的同义词替换的数据增强方法。该方法利用小规模的平行语料，首先通过对单语词向量的学习，获得一端语言低频词的同义词列表；然后对低频词进行同义词替换，再利用语言模型对替换后的句子进行筛选；最后将筛选后的句子与另一端语言中的句子进行匹配，获得扩展的平行语料。汉越翻译对比实验结果表明，提出的方法取得了很好的效果，扩展后的方法比基准和回译方法在BLEU值上分别提高了1.8和1.1。

来源：2021年第8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2021年第8期