MTet：面向英语与越南语的多领域翻译
计算与语言
2022-10-20 v2 人工智能
摘要
我们介绍了 MTet，这是目前公开可用的最大英语-越南语平行语料库。MTet 包含 420 万条高质量训练句对，以及一个由越南研究界精炼的多领域测试集。结合先前英语-越南语翻译的工作，我们将现有平行数据集扩充至 620 万条句对。我们还发布了首个面向英语和越南语语言的预训练模型 EnViT5。结合这两类资源，我们的模型在翻译 BLEU 分数上以最高 2 分的优势显著超越此前的 SOTA 结果，同时模型规模仅为此前的 1.6 分之一。
引用
@article{arxiv.2210.05610,
title = {MTet: Multi-domain Translation for English and Vietnamese},
author = {Chinh Ngo and Trieu H. Trinh and Long Phan and Hieu Tran and Tai Dang and Hieu Nguyen and Minh Nguyen and Minh-Thang Luong},
journal= {arXiv preprint arXiv:2210.05610},
year = {2022}
}