基于复述增广的医疗领域机器翻译

• 作者: 安波 龙从军
• 来源期刊: 电子与信息学报
• 学科: 工学
• 关键词: 神经机器翻译 汉英翻译 复述生成 数据增广 大规模预训练语言模型
• 年，卷（期）: 2022,（1）
• 所属期刊栏目: 深度学习与智慧医疗专题|Special Topic on Deep Learning and Smart Mdicine
• 页码范围: 118-126
• 页数: 9页
• 分类号: TN912.3|TP393
• 语种: 中文
• DOI: 10.11999/JEIT210926

摘要

医疗机器翻译对于跨境医疗、医疗文献翻译等应用具有重要价值.汉英神经机器翻译依靠深度学习强大的建模能力和大规模双语平行数据取得了长足的进步.神经机器翻译通常依赖于大规模的平行句对训练翻译模型.目前,汉英翻译数据主要以新闻、政策等领域数据为主,缺少医疗领域的数据,导致医疗领域的汉英机器翻译效果不佳.针对医疗垂直领域机器翻译训练数据不足的问题,该文提出利用复述生成技术对汉英医疗机器翻译数据进行增广,扩大汉英机器翻译的规模.通过多种主流的神经机器翻译模型的实验结果表明,通过复述生成对数据进行增广可以有效地提升机器翻译的性能,在RNNSearch,Transformer等多个主流模型上均取得了6个点以上的BLEU值提升,验证了复述增广方法对领域机器翻译的有效性.同时,基于MT5等大规模预训练语言模型可以进一步地提升机器翻译的性能.