公开(公告)号：CN116306703A

公开(公告)日：2023-06-23

申请号：CN202310386735.1

申请日：2023-04-12

Applicant: 厦门大学

Inventor： 史晓东 ,  宋佳欣 ,  陈毅东

IPC: G06F40/58 ,  G06N3/08 ,  G06F16/35 ,  G06F18/22 ,  G06F18/214 ,  G06F40/216 ,  G06N3/0464 ,  G06N3/0499

Abstract: 一种基于领域分类的反向翻译数据构建及训练方法，涉及自然语言处理、机器翻译、数据增强领域，基于原语料训练双语模型：使用Transformer神经网络模型，将双语原语料分别作为源端‑目标端和目标端‑源端训练两个神经机器翻译模型；2)基于关键词和主题相似性构建领域单语数据集；3)基于反向翻译生成领域伪平行数据集：将获取的领域单语数据集作为源端数据集，使用训练好的双语模型进行反向翻译获得伪句子对，整理对齐后形成领域伪平行数据集；4)基于领域分类学习的联合训练：将伪平行数据集标记为领域语料与通用数据进行联合训练。能在获取高质量的相关领域的知识的同时，有效利用通用领域知识，提高翻译性能，保证翻译质量。