| 基于回译和比例抽取孪生网络筛选的汉越平行语料扩充方法 |
| |
| 引用本文： | 王可超,郭军军,张亚飞,高盛祥,余正涛.基于回译和比例抽取孪生网络筛选的汉越平行语料扩充方法[J].计算机工程与科学,2022,44(10):1861-1868. |
| |
| 作者姓名： | 王可超 郭军军 张亚飞 高盛祥 余正涛 |
| |
| 作者单位： | （1.昆明理工大学信息工程与自动化学院，云南 昆明 650500;
2.昆明理工大学云南省人工智能重点实验室，云南 昆明 650500） |
| |
| 基金项目： | 国家自然科学基金（61732005，61761026，61866020，61672271，61762056,61972186）；国家重点研发计划（2019QY1801,2019QY1802,2019QY1800） |
| |
| 摘 要： | 回译作为翻译中重要的数据增强方法，受到了越来越多研究者的关注。其基本思想为首先基于平行语料训练基础翻译模型，然后利用模型将单语语料翻译为目标语言，组合为新语料用于模型训练。然而在汉 越低资源场景下，训练得到的基础翻译模型性能较差，导致在其上应用回译方法得到的平行语料中含有较多噪声，较难用于下游任务。针对此问题，构建基于比例抽取的孪生网络筛选模型，通过训练使得模型可以识别平行句对和伪平行句对，在同一语义空间上对回译得到的伪平行语料进行筛选去噪，进而得到更优的平行语料。在汉越数据集上的实验结果表明，所提方法训练的模型的性能相较基线模型有显著提升。
|
| 关 键 词： | 汉越平行语料扩充 回译 数据增强 比例抽取 孪生网络 |
| 收稿时间： | 2020-12-07 |
| 修稿时间： | 2021-02-23 |
A Chinese Vietnamese parallel corpus expansionmethod based on back translation and proportionalextraction siamese network screening |
| |
| WANG Ke chao,GUO Jun jun,ZHANG Ya-fei,GAO Sheng-xiang,YU Zheng-tao.A Chinese Vietnamese parallel corpus expansionmethod based on back translation and proportionalextraction siamese network screening[J].Computer Engineering & Science,2022,44(10):1861-1868. |
| |
| Authors: | WANG Ke chao GUO Jun jun ZHANG Ya-fei GAO Sheng-xiang YU Zheng-tao |
| |
| Abstract: | Chinese-Vietnamese parallel corpus expansion;back translation;data enhancement;proportional extraction;siamese network |
| |
| Keywords: | |
|
| 点击此处可从《计算机工程与科学》浏览原始摘要信息 |
|
点击此处可从《计算机工程与科学》下载全文 |
