Mergen：基于增强数据训练的首个满韩机器翻译模型
计算与语言
2024-01-15 v2
摘要
满语根植于中国东北的历史满洲地区，由于仅存极少使用者，目前面临严峻的灭绝威胁。为保护满语，我们推出 Mergen，这是首个满韩机器翻译（MT）模型的尝试。为开发该模型，我们利用了《满文老档》（一部历史典籍）与满韩词典等宝贵资源。由于满韩平行数据集稀缺，我们通过采用基于 GloVe 词嵌入（在单语与平行文本上训练）的词替换来扩充数据。我们的方法围绕编码器-解码器神经机器翻译模型构建，并融合了双向门控循环单元（GRU）层。实验取得了可喜结果，显示出满韩翻译的显著提升，BLEU 分数提高了 20-30 分。
引用
@article{arxiv.2311.17492,
title = {Mergen: The First Manchu-Korean Machine Translation Model Trained on Augmented Data},
author = {Jean Seo and Sungjoo Byun and Minha Kang and Sangah Lee},
journal= {arXiv preprint arXiv:2311.17492},
year = {2024}
}
备注
emnlp2023/mrl2023