面向神经机器翻译的无监督质量估计
计算与语言
2020-07-21 v2
摘要
质量估计(QE)是使机器翻译(MT)在真实世界应用中发挥作用的重要组件,其旨在测试时向用户告知 MT 输出的质量。现有方法需要大量专家标注数据以及计算和时间用于训练。作为替代,我们设计了一种无监督的 QE 方法,除 MT 系统本身外无需训练或访问额外资源。与当前多数将 MT 系统视为黑箱的工作不同,我们探索了可作为翻译副产物从 MT 系统中提取的有用信息。通过采用不确定性量化方法,我们实现了与人工质量判断的极好相关性,可与最先进的监督 QE 模型相媲美。为评估我们的方法,我们收集了首个能够支持黑箱与玻璃箱两类 QE 方法研究的数据集。
引用
@article{arxiv.2005.10608,
title = {Unsupervised Quality Estimation for Neural Machine Translation},
author = {Marina Fomicheva and Shuo Sun and Lisa Yankovskaya and Frédéric Blain and Francisco Guzmán and Mark Fishel and Nikolaos Aletras and Vishrav Chaudhary and Lucia Specia},
journal= {arXiv preprint arXiv:2005.10608},
year = {2020}
}
备注
Accepted for publication in TACL. Authors' final version