TransQuest：基于跨语言 Transformer 的翻译质量估计
计算与语言
2020-11-05 v2 人工智能
机器学习
摘要
近年来，句子级质量估计（QE）领域取得了重大进展，这在很大程度上得益于基于神经网络的架构的使用。然而，这些方法大多仅在其所训练的语言对上有效，且针对新语言对需要重新训练。这一过程从技术角度看可能较为困难，且通常计算开销很大。本文提出了一种基于跨语言 Transformer 的简单 QE 框架，并利用该框架实现和评估了两种不同的神经架构。我们的评估表明，所提出的方法在 WMT 数据集上训练时取得了最先进（state-of-the-art）的结果，优于当前开源的质量估计框架。此外，该框架在迁移学习场景下非常有用，尤其是在处理低资源语言时，使我们能够获得极具竞争力的结果。
引用
@article{arxiv.2011.01536,
title = {TransQuest: Translation Quality Estimation with Cross-lingual Transformers},
author = {Tharindu Ranasinghe and Constantin Orasan and Ruslan Mitkov},
journal= {arXiv preprint arXiv:2011.01536},
year = {2020}
}
备注
Accepted to COLING 2020. arXiv admin note: text overlap with arXiv:2010.05318