大规模多语言神经机器翻译鲁棒性的实证研究
计算与语言
2024-05-14 v1
摘要
大规模多语言神经机器翻译（MMNMT）已被证明能提高低资源语言的翻译质量。在本文中，我们实证研究了印尼语-汉语翻译在面对各种自然发生的噪声时的翻译鲁棒性。为了评估这一点，我们创建了一个印尼语-汉语翻译的鲁棒性评估基准数据集。该数据集使用四个不同大小的 NLLB-200 模型自动翻译成中文。我们进行了自动评估和人工评估。我们的深入分析揭示了翻译错误类型与存在的噪声类型之间的相关性、这些相关性在不同模型大小间如何变化，以及自动评估指标与人工评估指标之间的关系。该数据集已在 https://github.com/tjunlp-lab/ID-ZH-MTRobustEval 公开。
关键词
引用
@article{arxiv.2405.07673,
title = {An Empirical Study on the Robustness of Massively Multilingual Neural Machine Translation},
author = {Supryadi and Leiyu Pan and Deyi Xiong},
journal= {arXiv preprint arXiv:2405.07673},
year = {2024}
}
备注
12 pages, 6 figures