日汉翻译的问题

1 缺乏高质量的训练语料

目前获得平行语料40万左右（未处理40万+70万）。但存在翻译不准确，出现无意义符号，翻译句子过长，上下句子顺序颠倒等问题。词表大小5万左右，但词频2次及以下占了50%以上。

2 分词不准确

目前日文使用juman++（version1.0.2），中文使用LTP。均存在分词结果不稳定的情况。

3 模型

目前使用端到端Transformer模型。对于较短文本翻译结果时有较好的情况，猜测可能在训练语料中有相似句子较多。对长文本大多结果较差。由于端到端翻译，一般翻译错误的结果都与原句相差较远，无法针对翻译错误的某个词进行纠正。