- 出版地点
- “计算语言学协会（ACL）”
- 出版日期
- 01/01/2017
- 研究领域
获取PDF本文介绍了WMT17度量共享任务。我们问过本任务的参与者对参与WMT17新闻翻译任务和神经机器翻译训练任务。我们收集了分数来自8个研究小组的14个指标。在除此之外，我们还计算了7个标准指标（BLEU、SentBLEU，NIST、WER、PER、TER和CDER）作为基线。收集的分数根据系统级相关性进行评估（每个指标的得分相关性如何WMT17官方手动排名系统）和部门层面相关性（指标与人类在判断特定句子的质量时）。今年，我们建立在两种类型的人工判断：直接评估（DA）和HUME人工语义判断
- 出版地点
- “计算语言学协会（ACL）”
- 出版日期
- 01/01/2020
- 研究领域
获取PDF本文研究了词汇级语言注释在源代码不足的神经机器翻译中的作用，但文献中对此没有充分的证据。该研究涵盖了八种语言对、不同的训练语料库大小、两种结构和三种注释类型：虚拟标记（完全没有语言信息）、部分话语标记和形态-句法描述标记，它们由词性和形态特征组成。这些语言注释在输入或输出流中交错排列，作为单个标记放置在每个单词之前。为了测量每个场景下的性能，我们使用自动评估指标并执行自动错误分类。我们的实验表明，一般来说，源语言注释是有用的，对于某些语言对来说，形态语法描述优于词性描述。相反，当在目标语言中对单词进行注释时，就自动评估指标而言，即使使用形态-语法描述标签可以提高输出的语法性，但部分语言标签在系统上仍优于形态-句法描述标签。我们对这一结果背后的原因进行了详细分析。根据第825299号赠款协议，由欧盟地平线2020研究和创新计划资助的工作，全球资源不足媒体翻译（GoURMET）项目
- 出版地点
- “计算语言学协会（ACL）”
- 出版日期
- 01/01/2017
- 研究领域
获取PDF本文介绍了WMT17神经机器翻译训练任务的结果。本任务的目标是探索训练固定神经结构的方法，主要目的是获得最佳翻译质量，其次是缩短训练时间。为任务参与者提供了完整的神经机器翻译系统、固定的训练数据和网络配置。翻译是在英语到捷克语的方向上进行的，任务分为两个不同配置的子任务——一个扩展到4GB，另一个扩展至8GB GPU卡。我们收到了3份4GB变型的提交文件和1份8GB变型提交文件；我们还提供了每个尺寸和两个基线的运行情况。我们使用经过训练的模型转换测试集，并使用几个自动度量来评估输出。我们还报告了所提交系统的人类评估结果
