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。