利用语句结构信息的机器翻译自动评测初探

机器翻译评测对机器翻译有着极其重要的意义,它对翻译系统性能的提高做出了很大的贡献,同时促进了机器翻译的发展。本文在HNC机器翻译策略的基础上,对翻译语料的句类转换和句式转换做了初步的研究,并利用句类转换和句式转换的理论,建立了基于句类信息的自动评测的打分机制。

基于主题模型和统计机器翻译方法的中文格律诗自动生成

文中针对格律诗自动生成进行了研究.首先根据创作者提交的若干关键词,利用主题模型进行扩展得到更多的主题相关词,然后通过语言模型自动生成首句.在此基础上通过统计机器翻译的方法生成后续句.在生成过程中,利用主题模型进行诗词的意境扩展,从而得到更加丰富的句子候选.该研究的主要特点和贡献是:首先提出以统计机器翻译为理论基础,将格律诗的上下句关系映射为统计翻译模型中源语言与目标语言的关系,设计了融入诗词领域知识的统计机器翻译模型.其次主题模型用来在生成过程中进行词汇集扩展,从而加强了诗词的主题及意境.另外文中还论述了基于BLEU的诗句生成的自动评测方法,并配合所设计的人工评价标准,形成了比较完备的诗词评价体系.实验结果证实了该方法的有效性.

机器翻译评测的新进展

机器翻译评测对机器翻译的研究和开发具有至关重要的作用 ,对其的研究一直是国内外机器翻译界的重点课题。本文首先全面地介绍了最近出现的而且受到极大关注的机器翻译评测技术 ,即IBM公司的BLEU机器翻译评测标准和NIST采用的机器翻译评测技术。实验表明 ,自动翻译评测技术能够接近人工评价 ,评测结果也是可接受的。因此 ,采用自动翻译评测技术能够给自然语言处理的研究人员和开发人员带来很大的便利性。本文还展示了一个开放式的可扩展的自动翻译评测的平台 ,完全实现了BLEU和NIST评测标准 。

NIST2005机器翻译评测(MT—05)简评

本文综述了NIST2005机器翻译评测(MR—05)的基本情况,分析了BLEU自动评测方法,并从排名和得分上简单评价了此次评测结果。

基于短语的汉蒙统计机器翻译研究

基于短语的统计机器翻译是当前统计机器翻译的主流方法。研究了利用现有技术和资源搭建一个基于短语的汉蒙机器翻译系统的方法,并且构建了一个汉蒙机器翻译的自动评价平台,在此基础上利用词典和蒙古语形态学信息来提高了翻译系统的性能。

基于向量空间模型的中文搜索引擎评测系统研究与实现

提出了能够综合衡量搜索引擎工作性能的六个评测指标,选择了当今主流的三个搜索引擎:谷歌、雅虎和百度进行评测,成功地在两个大型的数据集上实现了整个自动评测系统。实验表明,谷歌工作性能最稳定;雅虎返回的第一个结果最能满足用户的要求,但会受时间因素的影响;百度明显地受关键字类别因素的影响。最后对中搜、狗、爱问进行了评测。

一种面向口语的译文质量自动评价方法

译文质量的自动评价对机器翻译研究具有十分重要的意义。但现有方法主要是针对书面语翻译 ,没有考虑到口语翻译的特征。因此 ,本文提出了一种面向口语的新型的自动评价方法 ,通过定义信息段、标注权重和设计多种匹配策略等方法 ,使自动评价结果与人工打分更为接近 ,同时也提高了评价过程对不同输出译文的适应能力。各项实验表明 ,该算法对译文质量变化具有较高的敏感度 。

翻译质量评估的现状与对策:基于人文社科与自然科学文献的计量研究(1981—2021)

随着机器翻译技术的不断进步,翻译质量评估模式发生了深刻的变化,评估理论与评测技术有了新的进展。以全新的视角回顾人工评估与机器翻译自动评测所取得的成果对ESP翻译研究的发展具有重要的理论和实际意义。在综述了基于N-gram相似度、翻译编辑率、术语质量和向量相似度等评估指标的基础上,本文创新性地引入基于Python统计与词向量聚类的量化实验。结果显示,由于翻译质量评估涉及不同学科,其研究往往呈现零散、孤立等特点。通过对比研究可以发现,该领域学者分别来自人文社科与自然科学,研究主题与范式大相径庭,呈现出各自为政的研究态势。针对当前研究存在的问题,本文提出相关建议,以期为ESP翻译教育与评价的跨学科研究提供参考。