利用语义关联增强的跨语言预训练模型的译文质量评估 |
| |
引用本文: | 叶恒,贡正仙.利用语义关联增强的跨语言预训练模型的译文质量评估[J].中文信息学报,2023(3):79-88. |
| |
作者姓名: | 叶恒 贡正仙 |
| |
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: | 机器翻译质量评估(QE)是在不依赖参考译文的条件下,自动对机器翻译译文进行评估。当前人工标注数据稀缺,使得神经QE模型在自动检测译文错误方面还存在较大问题。为了更好地利用规模庞大但却缺少人工标注信息的平行语料,该文提出一种基于平行语料的翻译知识迁移方案。首先采用跨语言预训练模型XLM-R构建神经质量评估基线系统,在此基础上提出三种预训练策略增强XLM-R的双语语义关联能力。该文方法在WMT 2017和WMT 2019的英德翻译质量评估数据集上都达到了最高性能。
|
关 键 词: | 机器翻译质量评估 跨语言预训练模型 语义关联 预训练策略 |
|
|