低资源 NMT 高质量数据增强：结合翻译记忆、GAN 生成器与过滤
计算与语言
2024-08-23 v1 人工智能
摘要
回译是一种用于扩展数据集的技术，广泛用于低资源语言翻译任务中，通常从目标语言到源语言进行翻译，以确保高质量翻译结果。本文提出了一种新颖地利用源侧单语语料协助神经机器翻译（NMT）的低资源设置的方法。我们通过采用生成对抗网络（GAN）来实现这一概念，该网络在生成器的训练中增强训练数据，同时通过判别器减轻低质量合成单语翻译的干扰。此外，本文将翻译记忆（TM）与 NMT 集成，增加了判别器可用的数据量。我们还提出了一种新颖的筛选程序，用于在数据增强过程中过滤合成句子对，确保数据的高质量。
引用
@article{arxiv.2408.12079,
title = {High-Quality Data Augmentation for Low-Resource NMT: Combining a Translation Memory, a GAN Generator, and Filtering},
author = {Hengjie Liu and Ruibo Hou and Yves Lepage},
journal= {arXiv preprint arXiv:2408.12079},
year = {2024}
}