从神职员到医生：低资源神经机器翻译的领域适应
计算与语言
2025-02-24 v3 机器学习
摘要
许多世界语言的数据不足以训练高性能的通用神经机器翻译（NMT）模型，更不用说特定领域模型了，常常唯一可用的平行数据是少量宗教文本。因此，领域适应（DA）是当代NMT面临的关键问题，迄今为止在低资源语言上仍未得到充分探索。本文在现实场景下评估了一组来自低资源NMT和DA的方法，我们旨在在仅访问以下资源的情况下翻译高资源语言到低资源语言之间的文本：a)平行圣经数据，b)双语词典，c)高资源语言中单语目标领域语料。我们的结果表明，所测试方法的有效性各不相同，其中最简单的方法DALI最为有效。我们随后对DALI进行小规模的人类评估，发现仍需更仔细地探索如何为低资源NMT实现领域适应。
引用
@article{arxiv.2412.00966,
title = {From Priest to Doctor: Domain Adaptation for Low-Resource Neural Machine Translation},
author = {Ali Marashian and Enora Rice and Luke Gessler and Alexis Palmer and Katharina von der Wense},
journal= {arXiv preprint arXiv:2412.00966},
year = {2025}
}