双向中文和英文被动句数据集用于机器翻译

机器翻译（MT）评估正逐渐超越指标，转向更具体的语言现象。就英中语言对而言，被动句的构建方式因语言差异而异，因此需要在机器翻译中特别关注。本文提出了一个双向多域被动句数据集，从五个中文-英平行语料库中提取句子，并根据人类翻译自动添加结构标签，同时提供一个经过人工验证注释的测试集。数据集包含73,965对平行句子（2,358,731个英文单词，3,498,229个中文字符）。我们对两种最先进的开源MT系统和四个商业模型进行评估。结果表明，与人类不同，模型更受源文本语态的影响，而非源语言中语态的总体使用方式，因此倾向于在两种方向上保持被动语态。然而，模型展现出对中文被动句中低频且主要消极语境的了解，导致在英到中翻译中语态一致性更高于中到英翻译。商业NMT模型在指标评估中得分更高，但LLM在使用多样化备选翻译方面表现更好。数据集和注释脚本将在请求后共享。