低资源语言的反向翻译数据增强：以英语与卢干达语为例

在本文中，我们探索了反向翻译（BT）作为一种半监督技术的应用，以增强英语-卢干达语对的神经机器翻译（NMT）模型，专门应对低资源语言所面临的挑战。我们研究的目的是展示 BT 如何通过从单语语料库生成合成数据来缓解双语数据的稀缺性。我们的方法包括使用公开可用和网络爬取的数据开发定制的 NMT 模型，并应用迭代和增量反向翻译技术。我们策略性地选择数据集，在多个小数据集上进行增量反向翻译，这是我们方法的一个新颖元素。我们的研究结果显示出显著改进，英语-卢干达语对的翻译性能在所有翻译方向上均超过先前基准 10 个 BLEU 分数单位以上。此外，我们的评估结合了 SacreBLEU、ChrF2 和 TER 等综合评估指标，提供了对翻译质量的细致理解。我们的研究得出的结论证实了，当利用策略性策划的数据集时，BT 是有效的，建立了新的性能基准，并展示了 BT 在增强低资源语言 NMT 模型方面的潜力。