面向特定领域僧伽罗语-英语-泰米尔语统计机器翻译的数据增强与术语集成
计算与语言
2021-02-04 v3
摘要
未登录词（OOV）是低资源语言机器翻译（MT）中的一个问题。当源语言和/或目标语言形态丰富时，问题更为严重。双语词表集成是解决 OOV 问题的一种方法。这使得可翻译的词汇多于训练数据中的词汇。然而，由于双语词表包含基本形式的词，对于僧伽罗语和泰米尔语等形态丰富的语言，其无法翻译屈折形式。本文关注数据增强技术，其中双语词典术语基于格标记进行扩展，以生成新词，用于统计机器翻译（SMT）。这种针对词典术语的数据增强技术在僧伽罗语-英语 SMT 上展示了改进的 BLEU 分数。
引用
@article{arxiv.2011.02821,
title = {Data Augmentation and Terminology Integration for Domain-Specific Sinhala-English-Tamil Statistical Machine Translation},
author = {Aloka Fernando and Surangika Ranathunga and Gihan Dias},
journal= {arXiv preprint arXiv:2011.02821},
year = {2021}
}