超越玻璃盒特征：不确定性量化增强的神经机器翻译质量估计
计算与语言
2021-09-16 v1 人工智能
摘要
质量估计（QE）在机器翻译（MT）应用中起着至关重要的作用。传统上，QE 系统接受来自黑盒 MT 系统的原始源文本和译文作为输入。最近，一些研究表明，作为翻译的副产品，QE 受益于译文所来源的 MT 系统的模型与训练数据的信息，这被称为“玻璃盒 QE”。在本文中，我们将“玻璃盒 QE”的定义一般化地扩展到结合“黑盒”与“玻璃盒”方法的不确定性量化，并设计了从中推导出的若干特征，以开拓提升 QE 性能的新尝试。我们提出了一个将不确定性量化的特征工程融合进预训练跨语言语言模型以预测翻译质量的框架。实验结果表明，我们的方法在 WMT 2020 QE 共享任务的数据集上取得了最先进的性能。
引用
@article{arxiv.2109.07141,
title = {Beyond Glass-Box Features: Uncertainty Quantification Enhanced Quality Estimation for Neural Machine Translation},
author = {Ke Wang and Yangbin Shi and Jiayi Wang and Yuqi Zhang and Yu Zhao and Xiaolin Zheng},
journal= {arXiv preprint arXiv:2109.07141},
year = {2021}
}
备注
Accepted by Findings of EMNLP 2021