机器翻译自动评价技术可以有效的促进机器翻译技术的发展,因此越来越受到研究人员的关注。通过机器翻译自动评价技术,研究人员可以快速的调整算法、优化模型。目前,主流的机器翻译自动评价方法仍然是基于字符串相似度匹配的自动评价方法,但是语言学特征也已经被成功的应用于建立高质量的机器翻译自动评价工具。虽然国内外的研究工作表明加入语言学知识可以有效提升目前机器翻译自动评价系统的性能,但是这无疑也导致了在翻译自动评价研究中动辄以语言学特征数量取胜的趋势。而且,目前的翻译自动评价结果与人工评价仍然有较大差距,不能满足人们的需求。受限于目前的自然语言处理水平,有关语言学特征的自动分析工具性能仍不够理想。另外翻译结果的评价是一个高度主观的过程,人们在进行翻译评价时,可能会考虑多种因素。
针对上述问题,本文在以下几个方面进行了探索:1.对于翻译评价语料库,采取人工标注的形式标注出其中的语言学特征,以弥补目前语言学特征自动分析工具的不足。2.在人工标注出翻译结果中的语言学特征的基础上,定量分析语言学特征与人工翻译质量评价的关系,挖掘人在翻译评价过程中的特点。3.通过构造多种语言学特征集合,探讨语言学特征是否足够支撑翻译自动评价建模。4.对于现有的机器翻译自动评价算法及语言学特征进行分类,深入探讨每一类特征对于翻译自动评价建模的贡献。5.研究如何有效地结合现有的翻译自动评价方法与语言学特征,以构造一个最佳的机器翻译自动评价系统。通过我们的研究发现,仅有部分语言学特征与人工评价显著相关,通过穷尽各种语言学特征进行翻译评价建模的方法并不能得到一个理想的翻译自动评价系统。研究还发现,通过机器学习框架融合语言学特征与传统的机器翻译自动评价系统可以取得一个相对令人满意的结果。
本文关键词:
