基于多元信息融合的神经机器译文自动评价方法

机器译文自动评价对推动机器翻译发展和应用有着重要作用。最新的神经机器译文自动评价方法使用预训练语境词向量提取深层语义特征,并将它们直接拼接输入多层神经网络预测译文质量,其中直接拼接操作容易导致特征间缺乏深入融合,而逐层抽象进行预测时容易丢失细粒度准确匹配信息。针对以上问题,该文提出将中期信息融合方法和后期信息融合方法引入译文自动评价,使用拥抱融合对不同特征进行交互中期融合,基于细粒度准确匹配的句移距离和句级余弦相似度进行后期融合。在WMT’21 Metrics Task基准数据集上的实验结果表明,提出的方法能有效提高其与人工评价的相关性,达到与参加评测最优系统的可比性能。

基于神经网络的机器译文自动评价综述

机器译文自动评价是指对机器翻译系统输出译文的质量进行自动评价,是机器翻译领域的一项重要研究任务。目前机器译文自动评价方法的研究主流为基于神经网络的机器译文自动评价,该文对其进行综述,将其分为基于表征匹配的方法和基于端到端神经网络的方法,梳理和对比了这两类自动评价方法的代表性工作及其特点,并介绍推动机器译文自动评价研究的相关评测活动和性能评价指标,最后展望基于神经网络的机器译文自动评价的发展趋势,并对全文进行总结。

我家的“外国人”

我家有个“外国人”，她长着中国人的样貌：黑头发，黑眼珠，黄皮肤，却总是说英语。她呀，就是我的妈妈。 我的妈妈是个英语老师，她有一个专用手机，要求学生把自己读、背英语的录音传给她，一有空，她就打开手机，对着信息一条条地仔细听，还要逐一点评。