HintedBT：利用质量与音译提示增强回译

目标单语语料库的回译 (Back-Translation, BT) 是神经机器翻译 (Neural Machine Translation, NMT) 中一种广泛使用的数据增强策略，尤其适用于低资源语言对。为了提高可用 BT 数据的有效性，我们引入了 HintedBT——一系列向编码器和解码器提供提示（通过标签）的技术。首先，我们提出了一种同时使用高质量和低质量 BT 数据的新方法，通过向模型提供关于每个源-目标对质量的提示（作为编码器上的源标签）来实现。我们不过滤掉低质量数据，而是表明这些提示使模型能够有效地从噪声数据中学习。其次，我们解决了预测源词元是需要翻译还是音译到目标语言的问题，这在跨文字翻译任务（即源语言和目标语言不共享书写文字）中很常见。对于此类情况，我们提出用额外的提示（作为解码器上的目标标签）来训练模型，这些提示提供了关于源语言所需操作（仅翻译或翻译兼音译）的信息。我们在三个跨文字低/中资源语言对：{印地语、古吉拉特语、泰米尔语}-英语的标准 WMT 基准上进行了实验和详细分析。我们的方法与五个强有力且成熟的基线相比表现良好。我们表明，单独或共同使用这些提示均能显著提高翻译质量，并在相应双语设置下的所有三个语言对中实现了 SOTA 性能。