BLEU: a Method for Automatic Evaluation of Machine Translation论文解读

基本信息

作者 K Papineni doi
发表时间 2002 期刊 ACL
网址 https://dl.acm.org/doi/pdf/10.3115/1073083.1073135

研究背景

1. What's known 既往研究已证实

N-gram的匹配规则,算出比较译文和参考译文之间n组词的相似的一个占比。

2. What's new 创新点

N-gram和惩罚因子。

3. What's are the implications 意义

对机器翻译进行人工评价耗时,人工价格昂贵。自动机器翻译评估方法可以降低成本,并且评估速度提高。

研究方法

1. n-gram精度

即 P 1 P_{1} P1是5/6, P 2 P_{2} P2是3/5。

其中, C o u n t c l i p Count_{clip} Countclip是预防遇到以下情况:

Max_Ref_Count是该单词在这句参考翻译中的出现次数。

2. BP对句子过短加以惩罚

避免输出有风险的单词,所以我们会把句子变短。但这样做并不是一个好的翻译。所以我们对过短的句子加以惩罚。

c是机器译文的词数,r是参考译文的词数
3. bleu最终计算公式

w是权重,如果采用了4-gram,则w_{n}=1/4。

一个高得分的候选翻译现在必须在长度、单词选择和单词顺序上与参考翻译相匹配。

结果与讨论

  1. bleu翻译评估结构和人工翻译评估相差不大。

个人思考与启发

  1. (某些词在翻译中很重要,某些词相对没那么重要)BLEU给的权重是相同的,因此存在一些问题:一个参考翻译少了重点单词,另一个参考翻译少了普通单词,但BLEU评分相同。
  2. 语言存在许多同义词,参考翻译无法完全涵盖所有同义词,使得正确翻译的bleu分数却很低。
    机器翻译系统的常见评价指标:https://zhuanlan.zhihu.com/p/258207437

重要图

文献中重要的图记录下来

相关推荐
果冻人工智能17 分钟前
打造 AI Agent 对于中产阶级来说就是场噩梦
人工智能
MediaTea30 分钟前
AI 文生图:提示词撰写技巧与示例(ChatGPT-4o 篇)
人工智能
墨绿色的摆渡人40 分钟前
用 pytorch 从零开始创建大语言模型(三):编码注意力机制
人工智能·pytorch·语言模型
zm-v-159304339861 小时前
ChatGPT 与 DeepSeek:学术科研的智能 “双引擎”
人工智能·chatgpt
果冻人工智能1 小时前
美国狂奔,中国稳走,AI赛道上的龟兔之争?
人工智能
果冻人工智能1 小时前
再谈AI与程序员: AI 写的代码越来越多,那我们还需要开发者吗?
人工智能
大脑探路者1 小时前
【PyTorch】继承 nn.Module 创建简单神经网络
人工智能·pytorch·神经网络
无代码Dev2 小时前
如何使用AI去水印(ChatGPT去除图片水印)
人工智能·ai·ai-native
达柳斯·绍达华·宁2 小时前
自动驾驶04:点云预处理03
人工智能·机器学习·自动驾驶