尽可能少，尽可能多：基于对比条件化的过译与欠译检测
计算与语言
2022-03-04 v1
摘要
内容遗漏与添加是神经机器翻译中的典型问题。我们提出一种利用现成翻译模型检测此类现象的方法。使用对比条件化，我们将完整序列在翻译模型下的似然与其各部分在给定相应源序列或目标序列下的似然进行比较。这允许在甚至没有参考译文的情况下，精准定位翻译中多余的词与源语言中未翻译的词。我们方法的准确性可与需要定制质量估计模型的监督方法相媲美。
引用
@article{arxiv.2203.01927,
title = {As Little as Possible, as Much as Necessary: Detecting Over- and Undertranslations with Contrastive Conditioning},
author = {Jannis Vamvas and Rico Sennrich},
journal= {arXiv preprint arXiv:2203.01927},
year = {2022}
}
备注
ACL 2022