基于词替换的神经机器翻译数据增强方法

摘要

为解决神经机器翻译模型中某些语言对数据不足的问题，提出了一种基于单词替换的数据增强方法.首先，通过生成对应的词性文件对原数据进行处理；然后，采用单词替换算法生成新的伪单词数据，通过替换句子中的单词来扩充数据集；最后，利用反向翻译方法生成对应的译文，从而形成伪平行数据.在多个IWSLT及WMT机器翻译任务测试集上的实验结果显示：基于单词替换的数据增强方法相较于基准模型和现有翻译方法，在提高模型的翻译性能方面表现出明显的优势，所提方法在中英翻译任务上的双语评估替换值(BLEU)提高了1.68.

关键词

词替换 / 神经机器翻译 / 数据增强