基于领域文本生成的回译扩展用于手语 gloss 翻译

手语 gloss 翻译旨在将手语 gloss 翻译为口语文本，由于带标注的 gloss-文本平行数据稀缺，该任务具有挑战性。回译（BT）通过将在领域内的口语文本翻译为手语 gloss 来生成伪平行数据，已被用于缓解数据稀缺问题。然而，缺乏大规模高质量的领域口语文本数据限制了 BT 的效果。在本文中，为克服该限制，我们提出一种基于提示的领域文本生成（PGEN）方法，以产生大规模的领域内口语文本数据。具体而言，PGEN 将原始领域内口语文本数据中的句子随机拼接作为提示，引导预训练语言模型（即 GPT-2）生成风格相似的口语文本。在多种语言的手语 gloss 翻译三个基准上的实验结果表明，使用 PGEN 生成的口语文本进行 BT 显著优于对比方法。此外，随着 PGEN 生成的口语文本规模增大，BT 技术能取得进一步提升，证明了我们方法的有效性。我们发布了代码和数据以促进该领域的未来研究。