[发明专利]一种数据增强方法、系统、装置及计算机可读存储介质

摘要

本申请公开了一种数据增强方法，应用于神经机器翻译，包括：对双语训练语料进行词对齐处理，得到词对齐信息；根据词对齐信息确定双语训练语料中包含的最小翻译单元；按预设的向量表征计算规则对所有最小翻译单元进行计算，得到对应的向量值；利用余弦公式计算各最小翻译单元间的相似度值；判断相似度值是否超过阈值，若是，则交换超过阈值的相似度值对应的最小翻译单元在双语训练语料中的位置，得到新双语训练语料。通过此种方式可以形成新的双语语料，有效增加训练语料，且使原语料的结构信息得到丰富，实现提升神经机器翻译对低资源语种翻译质量的提高。本申请还同时公开了一种数据增强系统、装置及计算机可读存储介质，具有上述有益效果。

主权项

1.一种数据增强方法，应用于神经机器翻译，其特征在于，包括：对双语训练语料进行词对齐处理，得到词对齐信息；根据所述词对齐信息确定所述双语训练语料中包含的所有最小翻译单元；按预设的向量表征计算规则对所有所述最小翻译单元进行计算，得到各所述最小翻译单元对应的向量值；利用余弦公式计算各所述最小翻译单元间的相似度值；判断所述相似度值是否超过阈值，若是，则交换超过所述阈值的相似度值对应的最小翻译单元在所述双语训练语料中的位置，得到新双语训练语料。