重新审视回译翻译质量估计
计算与语言
2020-04-30 v1 机器学习
摘要
质量估计（QE）是在无需人工翻译参考的情况下自动评估翻译质量的任务。计算输入句子与回译（RTT）之间的 BLEU 曾被视为 QE 的一种度量，然而，它被发现有较差的翻译质量预测能力。近来，各种预训练语言模型通过提供语义上有意义的词和句子嵌入，在 NLP 任务中取得了突破。在本文中，我们将语义嵌入应用于基于 RTT 的 QE。与先前 WMT 2019 质量估计度量任务提交的方法相比，我们的方法实现了与人工判断的最高相关性。虽然在使用 RTT 时反向翻译模型可能是一个缺点，但我们观察到在语义级度量下，基于 RTT 的 QE 对反向翻译系统的选择具有鲁棒性。此外，所提方法在 SMT 和 NMT 前向翻译系统上均表现出一致的性能，意味着该方法不会惩罚某一特定类型的模型。
引用
@article{arxiv.2004.13937,
title = {Revisiting Round-Trip Translation for Quality Estimation},
author = {Jihyung Moon and Hyunchang Cho and Eunjeong L. Park},
journal= {arXiv preprint arXiv:2004.13937},
year = {2020}
}
备注
To be published in EAMT 2020