面向神经机器翻译的正向翻译与反向翻译相结合的改进方法

虽然源语言和目标语言的单语数据已被证明通过正向翻译和反向翻译对改进神经机器翻译非常有用，但如何更有效地同时使用它值得更深入的研究。为了在神经机器翻译中有效地利用源语言和目标语言的单语数据，本文提出了一种基于聚类搜索的正向翻译和基于最优n-随机采样的反向翻译相结合的方法。具体来说，该方法被应用于第17届全国机器翻译大会（CCMT2021）中英文和英汉新闻领域的翻译评估任务。实验结果表明，与其他常用的单语数据增强方法相比，该方法能更有效地提高神经机器翻译模型的翻译质量。此外，在使用该方法之前进行领域知识转移可以进一步提高翻译质量。