Quality Estimation of Machine Translated Texts based on Direct Evidence from Training Data

要約

現在の機械翻訳システムは、ますます多様化する言語ペアとデータセットで非常に優れた結果を達成しています。
しかし、それらが生成する流暢な翻訳出力には重要な意味上の誤りが含まれる場合が多いことが現在ではよく知られています。
品質推定タスクは、参考翻訳に依存せずに機械翻訳システムによって生成された翻訳の品質の推定を処理します。
長年にわたり、多くのアプローチが提案されてきました。
この論文では、MT システムを訓練するための訓練データとして使用される対訳コーパスが、MT システムによって生成される翻訳の品質を推定するための直接的な手がかりを保持していることを示します。
私たちの実験では、このシンプルで直接的な方法が、純粋にデータ駆動型の機械翻訳システムによって生成された翻訳の品質評価に有望であることが示されています。

要約(オリジナル)

Current Machine Translation systems achieve very good results on a growing variety of language pairs and data sets. However, it is now well known that they produce fluent translation outputs that often can contain important meaning errors. Quality Estimation task deals with the estimation of quality of translations produced by a Machine Translation system without depending on Reference Translations. A number of approaches have been suggested over the years. In this paper we show that the parallel corpus used as training data for training the MT system holds direct clues for estimating the quality of translations produced by the MT system. Our experiments show that this simple and direct method holds promise for quality estimation of translations produced by any purely data driven machine translation system.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google