无监督普通话-粤语机器翻译
计算与语言
2023-01-11 v1
摘要
无监督机器翻译的进展使得开发能够在缺乏大量平行数据的语言之间进行翻译的机器翻译系统成为可能。我们探索了普通话与粤语之间的无监督机器翻译。尽管粤语母语者数量庞大，但由于粤语主要用于口语交流，目前仍没有大规模语料库。我们项目的关键贡献包括：1. 创建了一个包含约 100 万粤语句子的新语料库；2. 对不同模型架构、分词方案和嵌入结构进行了大规模比较。我们采用基于字符的分词与 Transformer 架构训练的最佳模型，在普通话到粤语翻译中取得了 25.1 的字符级 BLEU，在粤语到普通话翻译中取得了 24.4 的字符级 BLEU。本文中我们讨论了研究过程、实验与结果。
引用
@article{arxiv.2301.03971,
title = {Unsupervised Mandarin-Cantonese Machine Translation},
author = {Megan Dare and Valentina Fajardo Diaz and Averie Ho Zoen So and Yifan Wang and Shibingfeng Zhang},
journal= {arXiv preprint arXiv:2301.03971},
year = {2023}
}