陈志明 李茂西 王明文

(江西师范大学计算机信息工程学院 南昌 330022) (qqchenzhiming@jxnu.edu.cn)

基于神经网络特征的句子级别译文质量估计

陈志明 李茂西 王明文

(江西师范大学计算机信息工程学院 南昌 330022) (qqchenzhiming@jxnu.edu.cn)

机器翻译质量估计是自然语言处理中的一个重要任务，与传统的机器翻译自动评价方法不同，译文质量估计方法评估机器译文的质量不使用人工参考译文.针对目前句子级别机器译文质量估计特征提取严重依赖语言学分析导致泛化能力不足，并且制约着后续支持向量回归算法的性能，提出了利用深度学习中上下文单词预测模型和矩阵分解模型提取句子向量特征，并将其与递归神经网络语言模型特征相结合来提高译文质量自动估计与人工评价的相关性.在WMT’15和WMT’16译文质量估计子任务数据集上的实验结果表明：利用上下文单词预测模型提取句子向量特征的方法性能统计一致地优于传统的QuEst方法和连续空间语言模型句子向量特征提取方法，这揭示了提出的特征提取方法不仅不需要语言学分析，而且显著地提高了译文质量估计的效果.

机器翻译质量估计；句子级别；词向量；递归神经网络语言模型；支持向量回归

机器译文质量估计(quality estimation, QE)利用机器学习算法，在没有人工参考译文的情况下自动评价机器翻译的质量.它是统计机器翻译近几年来新兴起的一个研究方向.机器译文质量估计不仅为最终用户提供一个度量译文可用程度的指标，而且可以辅助专业人工译员进行译文的后编辑.因此，它在促进机器翻译技术快速发展和推广应用中起着重要的作用.