Ties Matter: Modifying Kendall’s Tau for Modern Metric Meta-Evaluation

要約

Kendall のタウは、機械翻訳 (MT) の評価指標が個々の翻訳をどの程度スコアリングしているかをメタ評価するためによく使用されます。
ペアごとのスコア比較に焦点を当てていることは直感的ですが、同点をどのように処理すべきかという問題が生じます。この灰色の領域が文献でさまざまなバリエーションを生み出す動機となっています。
私たちは、最新の MT メタ評価のような設定では、既存の亜種にはタイの処理に起因する弱点があり、状況によってはゲームにさらされる可能性さえあることを実証します。
私たちは、同点を正確に予測したメトリクスに信用を与える新しいバリアントと、同点をメトリクススコアに自動的に導入して、同点を予測するメトリクスと同点を予測しないメトリクス間の公正な比較を可能にする最適化手順を提案します。
私たちは、これらの修正がメトリクスのパフォーマンスのより公正な Kendall ベースの評価につながることを主張し、実験的証拠を提供します。

要約(オリジナル)

Kendall’s tau is frequently used to meta-evaluate how well machine translation (MT) evaluation metrics score individual translations. Its focus on pairwise score comparisons is intuitive but raises the question of how ties should be handled, a gray area that has motivated different variants in the literature. We demonstrate that, in settings like modern MT meta-evaluation, existing variants have weaknesses arising from their handling of ties, and in some situations can even be gamed. We propose a novel variant that gives metrics credit for correctly predicting ties, as well as an optimization procedure that automatically introduces ties into metric scores, enabling fair comparison between metrics that do and do not predict ties. We argue and provide experimental evidence that these modifications lead to fairer Kendall-based assessments of metric performance.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google