面向神经机器翻译的质量感知解码
计算与语言
2022-05-03 v1
摘要
尽管近年来机器翻译质量估计与评估取得了进展，神经机器翻译（NMT）中的解码大多对此无感，并围绕根据模型寻找最可能翻译（MAP 解码，由束搜索近似）展开。在本文中，我们将这两条研究路线结合，利用近期无参考和基于参考的 MT 评估突破，通过 -best 重排序和最小贝叶斯风险解码等多种推断方法，提出面向 NMT 的质量感知解码。我们在四个数据集和两类模型上对各种可能的候选生成与排序方法进行了广泛比较，发现根据最先进的自动指标（COMET 和 BLEURT）以及人工评估，质量感知解码始终优于基于 MAP 的解码。我们的代码见 https://github.com/deep-spin/qaware-decode。
引用
@article{arxiv.2205.00978,
title = {Quality-Aware Decoding for Neural Machine Translation},
author = {Patrick Fernandes and António Farinhas and Ricardo Rei and José G. C. de Souza and Perez Ogayo and Graham Neubig and André F. T. Martins},
journal= {arXiv preprint arXiv:2205.00978},
year = {2022}
}
备注
NAACL2022