MINED BITEXTS可以包含不完美的翻译，从而产生神经机翻译（NMT）的不可靠的训练信号。在已知过滤这样的对以提高最终模型质量的情况下，我们认为它在低资源条件下是次优的，甚至开采数据可以限制。在我们的工作中，我们提出了通过自动编辑来改进挖掘的BIESTS：给出语言XF中的句子，而且可能是IT XE的不完美翻译，我们的模型生成了一个修订的版本XF'或XE'，产生更等值翻译对（即<XF，XE'或<XF'，XE>）。我们使用一个简单的编辑策略（1）挖掘在给定的BITExt中的每个句子的潜在不完美的翻译，（2）学习一个模型来重建原始翻译并以多任务方式翻译。实验表明，我们的方法在大多数情况下，在大多数情况下，我们的方法成功地提高了5个低资源语言对和10个翻译方向，在大多数情况下改善了竞争反播基线。
translated by 谷歌翻译