本研究提出了一种数据增强方法，旨在提升神经机器翻译系统在低频词汇和低资源环境中的翻译质量。实验结果表明，该方法在多个任务中显著提高了翻译性能，尤其在材料科学和生物医学领域。通过结合不同数据集和生成新样本，增强了训练数据的多样性和相关性。