基于混合模型的机器翻译优化方法
张乐1
荆晓远2
孙其航1
1.吉林化工学院信息与控制工程学院 吉林吉林 1320222.广东石油化工学院计算机学院 广东茂名 525000
摘要：预训练语言模型通过学习大量文本数据中的语言模式和结构,展现出对自然语言任务的通用处理能力.通常,为了机器翻译任务而专门训练预训练模型,需要耗费大量的计算资源.为了解决这一问题,文章提出了一种新的混合模型,该模型将BERT、ROBERTA、ELECTRA和LUKE等预训练模型与Marian神经机器翻译模型相结合.该方法的目的是利用其他领域的预训练模型与机器翻译模型相结合,以低成本构建新的预训练机器翻译模型.实验结果表明,混合模型在多个语言数据集上比直接使用Marian模型进行微调BLEU值平均提升5.53,最高提升了 16.05.结果显示,结合预训练模型和Marian,以低成本构建混合模型,可以有效提升机器翻译性能.
关键词：自然语言处理预训练模型混合模型机器翻译
资助基金：国家自然科学基金(62176069)
论文发表日期：2025-02-27
在线出版日期：2026-05-22（本平台首次上网日期，不代表文献的发表时间）
页数：4( 46-49 )