一种基于参数剪枝调优的机器翻译模型训练方法和系统

本发明涉及机器翻译技术领域，尤其涉及一种基于参数剪枝调优的机器翻译模型训练方法和系统。具体包括：获取增量数据集、机器翻译原模型和伪目标语种数据集；获取微调数据集，使用增量数据集构建增量模型；构建剪枝模型，包括评价机器翻译原模型和增量模型的FFN层中的各个参数的重要性，将增量模型的FFN层中对于增量语种翻译不重要且对原语种翻译重要的参数替换为原模型FFN层中对应的参数；构建四元组微调数据集；使用四元组微调数据集采用优化后的CPO算法微调剪枝模型的FFN层，得到经过参数剪枝调优之后的新模型。本发明的训练方法既能具备学习新的翻译方向的能力，同时能有效保留原翻译方向的翻译性能，具备良好的持续性学习能力。