刘婉月，艾山·吾买尔，敖乃翔，郭锐

(1.新疆大学信息科学与工程学院，乌鲁木齐 830046；2. 新疆大学新疆多语种信息技术实验室，乌鲁木齐 830046；3. 中国电子科技集团公司电子科学研究院，北京 1000414. 新疆联海创智信息科技有限公司，乌鲁木齐 830010)

0 引言

由于缺乏大规模并行语料使NMT模型无法达到所需的性能[1]，导致低资源语言的机器翻译任务困难重重。为了解决这个问题，出现了许多创新技术。迄今为止，最成功的方法是Sennrich等人的方法[2]，通过反向翻译将单语目标文本转换为伪造并行数据。此后，该技术已在许多后续研究中被证明是有效的，但大多数研究仅使用BT的所有数据来提高NMT模型的质量。在资源匮乏的环境中，低资源下很难训练高性能的反向翻译模型，因此使用全部的BT数据效果并不好[3]，合理适当地选择BT数据子集更能有效提高模型的翻译质量。因此，确定最佳质量的BT数据子集是一个值得探索的问题。

1 相关工作

为了解决低资源问题，先前的研究学者们提出了很多不同的方法扩充平行语料。在不修改NMT翻译模型的条件下，通过前向翻译将大量的源端单语数据翻译成目标语言，构造大规模伪造语料库[4-5]。使用目标端单语数据进行平行语料的扩充，置源端为空，单语数据放置在目标端联合真实平行语料训练翻译模型[6]。和前向翻译完全相反，使用目标单语数据反向翻译成源端数据，构造伪造平行语料库[7]。将单语数据同时放置在源端和目标端联合真实平行语料训练模型[7-8]。……