基于多样性数据重组增强的藏汉神经机器翻译

Jiayi Xue, Jinming Chen, Bo Chen, Wei Bao, Xiaobing Zhao


Abstract
"高资源语言的神经机器翻译虽已取得显著进展,但低资源语言面临更严重的平行数据不足的问题。为此,提出一种面向藏汉神经机器翻译的多样性数据重组增强方法(DiRec)。该方法利用大语言模型的双向语言能力,对已有藏汉平行数据进行成分重组、句型重组和风格重组三种数据重组,经过两轮质量自动筛选后得到多样性增强数据。在藏汉机器翻译的实验中,相较于基线模型,基于DiRec的模型的泛化能力指标提升4.83个百分点,BLEU提高0.55,chrF++提高0.20。最后分析了不同数据重组方式对翻译模型性能的影响。"
Anthology ID:
2025.ccl-1.2
Volume:
Proceedings of the 24th China National Conference on Computational Linguistics (CCL 2025)
Month:
August
Year:
2025
Address:
Jinan, China
Editors:
Maosong Sun, Peiyong Duan, Zhiyuan Liu, Ruifeng Xu, Weiwei Sun
Venue:
CCL
SIG:
Publisher:
Chinese Information Processing Society of China
Note:
Pages:
16–27
Language:
URL:
https://preview.aclanthology.org/ingest-ccl/2025.ccl-1.2/
DOI:
Bibkey:
Cite (ACL):
Jiayi Xue, Jinming Chen, Bo Chen, Wei Bao, and Xiaobing Zhao. 2025. 基于多样性数据重组增强的藏汉神经机器翻译. In Proceedings of the 24th China National Conference on Computational Linguistics (CCL 2025), pages 16–27, Jinan, China. Chinese Information Processing Society of China.
Cite (Informal):
基于多样性数据重组增强的藏汉神经机器翻译 (Xue et al., CCL 2025)
Copy Citation:
PDF:
https://preview.aclanthology.org/ingest-ccl/2025.ccl-1.2.pdf