基于主动学习的低资源语言神经机器翻译方法研究

【摘要】 神经机器翻译模型高度依赖大规模的双语标注数据，导致在低资源场景下加剧了数据稀疏问题。针对这一问题，文中提出了一种基于主动学习的优化策略GTAL，通过构建初始标注样本，结合模型对预测词的概率分布，设计针对性的选择函数继续筛选样本，以达到减少数据标注需求并提升数据质量的目的，进而加速模型对语言映射关系的捕捉。实验结果表明，在使用少量数据的情况下，新提出的主动学习策略与不同基准方法对比，在BLEU、chrF、BLEURT和TER评价指标上分别提升了9.43%、5.16%、4.71%和0.8%，有效提升了模型翻译的准确性。更多还原