面向低资源翻译的广义数据增强
计算与语言
2019-06-11 v1
摘要
与低资源语言（LRLs）互译在充分性和流畅性方面对机器翻译提出了挑战。利用大量单语数据的数据增强被视为缓解这些问题的有效方法。本文提出一种用于低资源机器翻译数据增强的通用框架，该框架不仅使用目标端单语数据，还通过相关的资源丰富语言（HRL）进行中转。具体而言，我们实验了一种两步中转方法，将资源丰富语言数据转换为低资源语言，利用可用资源更好地近似低资源语言的真实数据分布。首先，我们通过归纳出的双语词典将低资源语言词注入资源丰富语言句子。其次，我们使用改进的无监督机器翻译框架进一步编辑这些修改后的句子。在四个低资源数据集上的大量实验表明，在极端低资源设置下，与有监督反向翻译基线相比，我们的数据增强技术将翻译质量提高了最多约 1.5 至约 8 个 BLEU 点。
引用
@article{arxiv.1906.03785,
title = {Generalized Data Augmentation for Low-Resource Translation},
author = {Mengzhou Xia and Xiang Kong and Antonios Anastasopoulos and Graham Neubig},
journal= {arXiv preprint arXiv:1906.03785},
year = {2019}
}
备注
Accepted to ACL 2019