基于同义词数据增强的汉越神经机器翻译方法

摘要

本发明涉及基于同义词数据增强的汉越神经机器翻译方法，属于自然语言处理技术领域。汉越平行语料库的资源稀缺，很大程度上影响了汉越机器翻译效果。数据增强是提升汉越机器翻译的有效途径，本发明首先通过对单语词向量学习，获得一端语言低频词的同义词列表，然后对低频词进行同义词替换，再利用语言模型对替换后的句子进行筛选，最后将筛选后的句子与另一端语言中的句子进行匹配获得扩展的平行语料。本发明对于扩充汉越平行语料库工作提供强有力的支撑；解决了由于语料库资源稀缺带来的汉越神经机器翻译性能低下的问题。