应用于低资源机器翻译的文本增强技术：以斯瓦希里语为例

在这项工作中，我们研究了将文本数据增强任务应用于低资源机器翻译的影响。近期，针对有限资源语言训练系统的研究方法引起了关注，其中一种流行方法是使用数据增强技术。数据增强旨在增加可用于训练系统的数据量。在机器翻译中，世界上大多数语言对被认为是低资源的，因为它们可用的平行数据很少，且神经机器翻译（NMT）系统的质量在很大程度上依赖于大规模平行语料库的可获得性。我们研究并应用了三种在文本分类任务中常用的简单数据增强技术：同义词替换、随机插入和上下文数据增强，并将其性能与英语-斯瓦希里语（En-Sw）数据集的基线神经机器翻译进行比较。我们还给出了 BLEU、ChrF 和 Meteor 分数的结果。总体而言，上下文数据增强技术在 $EN \rightarrow SW$ 和 $SW \rightarrow EN$ 两个方向上均显示出一定提升。我们认为，若使用多样化数据集进行更充分的实验，这些方法在神经机器翻译中具有应用潜力。