|
|||||
|
|
| 相似度增强的译文质量评估方法 | |
| 作者姓名： | 陈世男 贡正仙 李军辉 周国栋 |
| 作者单位： | 苏州大学计算机科学与技术学院 |
| 基金项目： | 国家自然科学基金(61976148); |
| 摘 要： | 机器翻译的质量评估作为不依赖参考译文而预测翻译质量的任务,在机器翻译领域中起到了重要的作用.相较于机器翻译,质量评估的数据资源非常稀缺,将跨语言预训练模型应用到该任务中,不但能受益于从大规模语料中学习到的跨语言知识,解决数据量不足的问题,而且极大地节约了计算资源.但与建立跨语言预训练模型采用的正常数据不同,译文质量评估面对的是正常的源端文本和错误程度不同的目标端文本,即它需要应对更大的两端语义差异.因此,本文为基于跨语言预训练模型的译文质量评估系统引入了特殊的语义关联处理层,通过相似度增强的拼接机制来增强原文与译文的语义关联性,从而提高质量评估的准确性.该方法在WMT19质量评估任务数据集上的实验结果验证了上述方法的有效性. |
| 关 键 词： | 质量评估 机器翻译 跨语言预训练模型 语义关联层 相似度增强 |