- 1、本文档共68页,可阅读全部内容。
- 2、原创力文档(book118)网站文档一经付费(服务费),不意味着购买了该文档的版权,仅供个人/单位学习、研究之用,不得用于商业用途,未经授权,严禁复制、发行、汇编、翻译或者网络传播等,侵权必究。
- 3、本站所有内容均由合作方或网友上传,本站不对文档的完整性、权威性及其观点立场正确性做任何保证或承诺!文档内容仅供研究参考,付费前请自行鉴别。如您付费,意味着您自己接受本站规则且自行承担风险,本站不退款、不进行额外附加服务;查看《如何避免下载的几个坑》。如果您已付费下载过本站文档,您可以点击 这里二次下载。
- 4、如文档侵犯商业秘密、侵犯著作权、侵犯人身权等,请点击“版权申诉”(推荐),也可以打举报电话:400-050-0827(电话支持时间:9:00-18:30)。
摘要
摘要
机器翻译是指将一种人文语言(源语言)通过计算机转换为另一
种人文语言目标语言的过程,属于自然语言处理中重要领域之一。()
随着时代发展和科技进步,机器翻译得到了快速发展。对于资源丰富
的语言来说,神经机器翻译的性能已经达到了很好的效果,但对于资
源匮乏的低资源藏汉神经机器翻译主要面临着起步晚,平行语料库匮
乏的问题。因此针对藏汉机器翻译中平行语料匮乏问题,本文主要通
过使用数据增强技术来提高藏汉机器翻译模型性能。主要贡献如下:
1
()针对低资源语言的机器翻译效果提升问题,本文提出了
XLM-R藏汉双语机器翻译模型。
(2)通过同义词替换技术构建藏汉伪平行语料库。首先在中文
端句子中挑选出低于一定频次的低频词,然后通过word2vec词向量
相似度计算得到低频词的同义词并替换原词生成候选目标句,最后再
利用KenLM模型对生成的句子进行打分筛选形成最终的藏汉伪平行
语料。经实验,同义词替换在Transformer实验中BLEU值最高提升
了0.61,在XLM-R实验中BLEU值最高提升了0.58。
(3)通过三种不同的回译方法构建藏汉伪平行语料库。经实验,
TransformerXLM-R
传统回译方法在、实验中性能提升效果并不太明
显;但交替训练的回译方法在Transformer实验中BLEU值最高提升
了1.57,在XLM-R实验中BLEU值最高提升了1.44;迭代回译方法
在Transformer实验中BLEU值最高提升了1.38,在XLM-R实验中
I
西藏大学硕士学位论文
BLEU值最高提升了1.17。
(4)通过双向训练技术构建藏汉伪平行语料库。首先以“藏语-
-+-
汉语”→“藏语汉语汉语藏语”的数据形式重构数据集,然后在
该数据集上进行藏汉机器翻译的预训练,最后在重构前的数据集上进
行正常方向的训练。经实验,双向训练技术在Transformer实验中
BLEU0.86XLM-RBLEU0.83
值最高提升了,在实验中值最高提升了。
关键词:低资源语言,藏汉机器翻译,Transformer模型,XLM-R模
型,数据增强技术
II
ABSTRACT
ABSTRACT
Machinetranslationreferstotheprocessofconvertingahuman
language(sourcelanguage)intoanotherhumanlanguage(targetlanguage)
bycomputer,andbelongstooneoftheimportantfieldsinnatural
languageprocessing.Withthedevelopmentofthetimesand
technologicalprogress,machinetranslationhasbeendevelopedrapidly.
Forresource-richlanguages,theperformanceofneuralmachine
translationhasachievedgoodresults,butforlow-resource
Tibetan-Chineseneuralmachinetranslation,whichisresource-poor,it
mainlyfac
文档评论(0)