基于重要性度量和低资源迁移学习翻译系统及存储介质

摘要

本发明涉及机器翻译领域，提出了基于重要性度量和低资源迁移学习翻译系统及存储介质。以解决现有方法所存在的语言特有知识未利用、语义特性未高度编码、低资源数据迁移学习难实现等问题。主要方案包括，准备翻译语言对数据；为源语言数据引入噪音；在输入端句子的开头插入目标语言名称标记；利用Moses scripts对数据进行分词，并使用BPE进行进一步子词划分和编码；构建机器翻译系统的编码器、attention bridge模块、解码器；训练模型，并将模型中的神经元根据它们在各语言对上的重要性划分为“语言通用”和“语言特有”两种类型，为低资源语言生成与已用于训练的语言同类型的数据，以此完成低资源数据的迁移学习。