最近在github上看到了一个项目，是小牛翻译开源的文言文-现代文平行语料，一共有967257个句对，地址在下面：
https://github.com/NiuTrans/Classical-Modern
于是我突发奇想，何不用它来训练一个文言文-现代文互相翻译的模型呢？
效果演示
来看看最终的翻译效果，先看一句舔狗经典语录：
现代文：
昨天在工地扛沙袋，我一下子扛了三袋，工友们问我为什么这么能扛？我眼泪瞬间就下来了，是啊，为什么我这么能扛，就是扛不住想你。
翻译成文言文：
昨于工地荷沙囊，余忽肩三囊，工友问何以如此？吾泣须臾而下，为也，何吾之能负，负之不胜念。
再来看一下朱自清《背影》中经典的一段话：
现代文：
他往车外看了看，说：“我买几个橘子去。你就在此地，不要走动。”我看那边月台的栅栏外有几个卖东西的等着顾客。走到那边月台，须穿过铁道，须跳下去又爬上去。父亲是一个胖子，走过去自然要费事些。我本来要去的，他不肯，只好让他去。我看见他戴着黑布小帽，穿着黑布大马褂，深青布棉袍，蹒跚地走到铁道边，慢慢探身下去，尚不大难。可是他穿过铁道，要爬上那边月台，就不容易了。他用两手攀着上面，两脚再向上缩；他肥胖的身子向左微倾，显出努力的样子。这时我看见他的背影，我的泪很快地流下来了。
翻译成文言文：
车外顾曰：买橘数枚去，君在此，勿动也。余视其月台栅外有卖物数人待客。至其边月台，须穿铁道，须跳下复上。父为肥子，行自费。吾本将之，不肯，故许之。见著乌布小帽，乌布大马皂，深青布袍，乃至铁道侧，徐探其身，尚不难。然穿铁道，欲上其月台，未易也。以两手攀之，两足复上缩，肥身左微倾，有足力状。见其背影，余泪遽下。
可以看出效果还是非常不错的，而文言文翻译成现代文的效果也非常不错。
也来看个例子，节选自陶渊明的《桃花源记》：
文言文：
晋太元中，武陵人捕鱼为业。缘溪行，忘路之远近。忽逢桃花林，夹岸数百步，中无杂树，芳草鲜美，落英缤纷。渔人甚异之，复前行，欲穷其林。
林尽水源，便得一山，山有小口，仿佛若有光。便舍船，从口入。初极狭，才通人。复行数十步，豁然开朗。土地平旷，屋舍俨然，有良田、美池、桑竹之属。阡陌交通，鸡犬相闻。其中往来种作，男女衣着，悉如外人。黄发垂髫，并怡然自乐。
翻译成现代文：
晋太元年间，武陵人捕鱼为生。沿着溪水行走，忘记了路途的远近。忽然遇到桃花林，两岸数百步，其中没有杂树，芳草鲜美，落花缤纷。打鱼人觉得很奇怪，又往前走，想探寻那树林。
树林尽头水源，就见到一座山，山有小口，仿佛有光。就舍弃船，从洞口进去，起初非常狭窄，才通人，又走了几十步，豁然开朗。土地平旷，房屋庄严，有良田、美池、桑竹之类。田间小路相通，鸡犬相闻，其中往来种作，男女衣着，都和外面的人一样，黄发小孩，都怡然自得。
这下广大中学生语文再也不用愁了。可惜我当年咋就没这好东西呢，不然语文也不会考那么差。
训练方法
训练方法非常简单，正好之前写过一个聊天机器人的训练教程，这次可以拿来直接用：
https://godweiyang.com/2021/07/24/chatbot
训练代码在下面：
https://github.com/godweiyang/chatbot
和训练聊天机器人唯一的不同就是训练数据，这里需要处理一下文言文-现代文语料，将其拆分成训练集和验证集，这里我写了个简单的脚本拆分整合了一下。
import os
trgs = os.listdir("Classical-Modern/target")
f3 = open("data/train/train.src", "w")
f4 = open("data/train/train.trg", "w")
f5 = open("data/dev/dev.src", "w")
f6 = open("data/dev/dev.trg", "w")
cnt1 = 0
cnt2 = 0
for trg in trgs:
src = trg[:-2]
f1 = open(f"Classical-Modern/source/{src}", "r")
f2 = open(f"Classical-Modern/target/{trg}", "r")
for line in f1:
if cnt1 < 3000:
f5.write(line.strip() + "\n")
else:
f3.write(line.strip() + "\n")
cnt1 += 1
for line in f2:
if cnt2 < 3000:
f6.write(line.strip() + "\n")
else:
f4.write(line.strip() + "\n")
cnt2 += 1
f1.close()
f2.close()
print(cnt1)
f3.close()
f4.close()
f5.close()
f6.close()然后就可以直接用和训练聊天机器人相同的方法训练了，这里不再赘述，我在8张A100显卡上训练了短短一两个小时效果就已经很不错了。
