关于使用反向翻译训练的机器翻译系统的评估
计算与语言
2020-08-19 v2
摘要
反向翻译是一种广泛使用的数据增强技术，它利用目标端单语数据。然而，其有效性一直受到质疑，因为 BLEU 等自动指标仅对源文本本身是翻译（即翻译体）的测试样本显示出显著改进。这被认为是由于翻译体输入与反向翻译的训练数据更匹配。在本工作中，我们表明这一猜想在经验上并不成立，并且根据专业人工译者的判断，反向翻译同时改善了自然文本和翻译体的翻译质量。我们提供经验证据支持如下观点：人类偏好反向翻译是因为它生成更流畅的输出。BLEU 无法捕捉人类偏好，因为当源句子是自然文本时，参考译文是翻译体。我们建议将 BLEU 与语言模型分数结合以衡量流畅度。
引用
@article{arxiv.1908.05204,
title = {On The Evaluation of Machine Translation Systems Trained With Back-Translation},
author = {Sergey Edunov and Myle Ott and Marc'Aurelio Ranzato and Michael Auli},
journal= {arXiv preprint arXiv:1908.05204},
year = {2020}
}
备注
ACL 2020