翁 贞，李茂西，王明文

(江西师范大学 计算机信息工程学院，江西 南昌 330022)



利用Markov网络抽取复述增强机器译文自动评价方法

翁 贞，李茂西，王明文

(江西师范大学 计算机信息工程学院，江西 南昌 330022)

在机器译文自动评价中，匹配具有相同语义、不同表达方式的词或短语是其中一个很大的挑战。许多研究工作提出从双语平行语料或可比语料中抽取复述来增强机器译文和人工译文的匹配。然而双语平行语料或可比语料不仅构建成本高，而且对少数语言对难以大量获取。我们提出通过构建词的Markov网络，从目标语言的单语文本中抽取复述的方法,并利用该复述提高机器译文自动评价方法与人工评价方法的相关性。在WMT’14 Metrics task上的实验结果表明，我们从单语文本中提取复述方法的性能与从双语平行语料中提取复述方法的性能具有很强的可比性。因此，该文提出的方法可在保证复述质量的同时，降低复述抽取的成本。

复述；机器译文自动评价；Markov网络；相关性

1 引言

机器译文自动评价方法不仅能给出表征翻译系统翻译质量优劣程度的定量指标，而且能在统计翻译系统开发时指导其参数优化。因此，它推动了机器翻译技术的快速发展。

近几年来，许多机器译文自动评价方法相继被提出，包括被研究者广泛使用的BLEU[1]，NIST[2]，METEOR[3]，TER[4]，MAXSIM[5]等。其中，BLEU和NIST是基于n元文法匹配准确率的评价指标；METEOR和MAXSIM是考虑准确率和召回率的评价指标；而TER是基于翻译错误率的指标。在译文评价过程中，它们均遵循BLEU的主要思路“机器译文越接近人工参考译文，机器译文的质量越好。……