Плохое качество перевода для языков с низким ресурсом всегда было проблемой в области исследований машинного перевода в цифровую эпоху. В настоящее время соответствующие алгоритмы и модели достигли заметных успехов в переводе языков с высоким ресурсом, даже превзойдя человеческие показатели; однако для языков с низким ресурсом несоответствие внутреннего и внешнего знания в языковых моделях приводит к плохим результатам в чтении текста, понимании и переводе машиной. В статье анализируются онтология и содержание знаний в языках с низким ресурсом, исследуется эффективность низкоресурсных знаний для повышения качества машинного перевода таких языков. На этой основе статья строит и совершенствует модель знаний для низкоресурсных языков на основе иерархий знаний, групп знаний и баз знаний, чтобы сбалансировать внутренние и внешние знания, необходимые языковым моделям машинного перевода, и повысить качество перевода.

качество машинного перевода;языки с низким ресурсом;низкоресурсные знания;модель низкоресурсных знаний