@进展中{huang-etal-2023改进,title=“通过偏差缓解改善翻译质量评估”,author=“黄、惠和Wu、Shuangzhi和陈可海迪、惠和Yang、Muyun和赵铁军”,editor=“罗杰斯、安娜和Boyd-Graber、Jordan和冈崎、直崎“,booktitle=“计算语言学协会第61届年会会议记录(第1卷:长篇论文)”,月=七月,年=“2023”,address=“加拿大多伦多”,publisher=“计算语言学协会”,url=“https://aclantology.org/2023.acl-long.121”,doi=“10.18653/v1/2023.acl长.121”,pages=“2175--2190”,abstract=“最先进的翻译质量评估(QE)模型被证明是有偏见的。更具体地说,他们过度依赖单语特征而忽视双语语义对齐。在这项工作中,我们提出了一种新的方法来减少QE模型的偏差并提高估计性能。我们的方法是基于干净和嘈杂句子对之间的对比学习。我们首先在平行句对的目标端引入噪声,形成否定样本。以原始平行对为阳性样本,对QE模型进行对比训练,以区分阳性样本和阴性样本。该目标与回归式质量估计联合训练,以防止QE模型过度拟合单语特征。在WMT QE评估数据集上的实验表明,该方法在很大程度上提高了估计性能,同时减小了偏差。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“网址:http://www.loc.gov/mods/v3"><mods ID=“huang-etal-2023-改善”><标题信息><title>通过偏差缓解改善翻译质量评估</title信息><name type=“personal”>慧<namePart type=“given”>黄<namePart type=“family”><角色>作者</角色></name><name type=“personal”>双枝<namePart type=“given”>吴<角色>作者</角色></name><name type=“personal”>科海<namePart type=“family”>陈</namePart><角色>作者</角色></name><name type=“personal”><namePart type=“给定”>Hui</namePart>Di<角色>作者</角色></name><name type=“personal”>沐云<namePart type=“given”>杨<角色>作者</角色></name><name type=“personal”>铁军<namePart type=“family”>赵</namePart><角色>作者</角色></name><originInfo>发布日期:2023-07发布日期:</originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>计算语言学协会第61届年会会议记录(第1卷:长篇论文)</title信息><name type=“personal”>安娜罗杰斯<角色>编辑器</角色></name><name type=“personal”>约旦博伊德·格雷伯<角色>编辑器</角色></name><name type=“personal”>Naoaki(Naoaki)冈崎<角色>编辑器</角色></name><originInfo>计算语言学协会<地点>加拿大多伦多</地点></originInfo>会议出版物</relatedItem>最新的翻译质量评估(QE)模型被证明是有偏差的。更具体地说,他们过度依赖单语特征,而忽视了双语语义的一致性。在这项工作中,我们提出了一种新的方法来减少QE模型的偏差并提高估计性能。我们的方法是基于干净和嘈杂句子对之间的对比学习。我们首先在平行句对的目标端引入噪声,形成否定样本。以原始平行对为阳性样本,对QE模型进行对比训练,以区分阳性样本和阴性样本。该目标与回归式质量估计联合训练,以防止QE模型过度拟合到单语特征。在WMT QE评估数据集上的实验表明,该方法在很大程度上提高了估计性能,同时减小了偏差</摘要><identifier type=“citekey”>huang-etal-2023改进10.18653/v1/2023.acl-long.121<位置><网址>https://aclantology.org/2023.acl-long.121</url></位置><部分>2023-07年<扩展单元=“page”><开始>2175<end>2190</end></范围></部分></mods></modsCollection>
%0会议记录%利用偏差抑制改进翻译质量估计%阿黄、惠%阿武,双枝%A Chen,科海%阿迪,惠%阿扬、沐云%阿昭、铁军%安娜·罗杰斯%Y Boyd-Graber,约旦%Y冈崎,直崎%计算语言学协会第61届年会论文集(第一卷:长篇论文)%D 2023年%7月8日%I计算语言学协会%C加拿大多伦多%F huang-etal-2023改进%X最新的翻译质量评估(QE)模型被证明是有偏见的。更具体地说,他们过度依赖单语特征而忽视双语语义对齐。在这项工作中,我们提出了一种新的方法来减轻量化宽松模型的偏差并提高估计性能。我们的方法是基于干净和嘈杂句子对之间的对比学习。我们首先在平行句对的目标端引入噪声,形成否定样本。以原始平行对为阳性样本,对QE模型进行对比训练,以区分阳性样本和阴性样本。该目标与回归式质量估计联合训练,以防止QE模型过度拟合到单语特征。在WMT QE评估数据集上的实验表明,该方法在很大程度上提高了估计性能,同时减小了偏差。%R 10.18653/v1/2023.acl长121%U型https://aclantology.org/2023.acl-long.121%U型https://doi.org/10.18653/v1/2023.acl-long.121%电话:2175-2190
降价(非正式)
[通过偏差缓解改进翻译质量评估](https://aclantology.org/2023.acl-long.121)(Huang等人,ACL 2023)
国际计算语言学协会
- 黄慧(Hui Huang)、吴双智(Shuangzhi Wu)、陈克海(Kehai Chen)、狄慧(Fei Di)、杨慕云(Muyun Yang)和赵铁军(Tiejun Zhao)。2023利用偏差抑制改进翻译质量评估.英寸计算语言学协会第61届年会论文集(第一卷:长篇论文),第2175–2190页,加拿大多伦多。计算语言学协会。