利用T5和MAML的多语种英语翻译质量改进研究  

Research on Improving Multi-language English Translation Quality Using T5 and MAML

作　　者：梅玲 孙红萍[2] MEI Ling;SUN Hong-ping

机构地区：[1]安徽职业技术学院外国语学院,安徽合肥231200 [2]安徽文达信息工程学院大学外语教学部,安徽合肥231200

出　　处：《鄂州大学学报》2025年第2期98-102,105,共6页Journal of Ezhou University

基　　金：安徽省职业与成人教育学会2023年教育教学研究规划课题(AZCJ2023229);2022年安徽职业技术学院校级科技工程人文社科项目(2022xjrs010);2023年度安徽省社会科学创新发展研究课题(2023KY006)。

摘　　要：为改善翻译效果与质量,结合T5 (Text-To-Text Transfer Transformer)和MAML (Model-Agnostic Meta-Learning),对其在多语种英语翻译中的质量可持续改进与应用进行了研究。采用自回归学习方法,对T5模型预训练参数进行微调,构建一个生成式的多语种英语翻译模型,结合MAML框架,在多个任务上进行训练,使模型在少量的新任务数据上实现快速自适应,利用网络爬虫,构建多语种平行语料库,并以BLEU(Bilingual Evaluation Understudy)及TER(Translation Error Rate)为指标,对基于T5和MAML的翻译模型进行了质量评估。实验结果显示,相较于OpenNMT (Open Neural Machine Translation)、Transformer以及Opus-MT(Open Parallel Corpus-Machine Translation)基线模型,该文模型BLEU Score均值分别高出6.05%、2.59%以及2.05%。结论表明,T5-MAML模型能够有效改进多语种英语翻译质量,实现更自然流畅的翻译输出。

关 键 词：多语言英语翻译 Text-To-Text Transfer Transformer Model-Agnostic Meta-Learning 英语翻译模型 

分 类 号：TP31[自动化与计算机技术—计算机软件与理论]