文献导读一种高效而简单数据生成的自动译后 [复制链接]

论文阅读：AnAutomaticPostEditingWithEfficientandSimpleDataGenerationMethod

期刊名称：IEEEAccess

作者：HYEONSEOKMOON,CHANJUNPARK,JAEHYUNGSEO,SUGYEONGEO,ANDHEUISEOKLIM

作者单位：DepartmentofComputerScienceandEngineering,KoreaUniversity,Seoul,RepublicofKorea

1.Introduction

自动译后编辑（AutomaticPostEditing,APE）是对机器翻译结果的校正方法。APE训练模型一般需要原文src、机器译文mt、后编辑译后pe三元组数据，但其中pe数据获取需要大量人工（专家）消耗。HYEONSEOKMOONetal（）基于平行语料库提出快速获取APE三元组数据三种噪声生成方法。

2.ProposedMethod

设三联体T={(X(i),?Y(i),Y(i))}di=1，其中X(i),?Y(i),Y(i)代指src、mt、pe三元组数据；

（1）随机噪声法

随机噪声法是指产生?Y(i)的噪声方案，随机取代部分Y(i)词汇，利用移动、删除、增添操作将方案结合在一起，公式见图（1）

（2）基于POS噪声法

基于POS噪声法与随机噪声法实现相似的噪声处理，但部分POS标记单词序列会被替换，即在随机噪声法基础上增加了标准，公式见图（2）

其中PartpfSpeech(POS)主要指?Y(i)数据。

（3）基于语义噪声法

基于语义噪声法与其他降噪法相似，将Y(i)数据通过其他词替换成?Y(i)数据，此种方式适用于人类专家编辑。

3.总结：三联体

经过模型机器学习，基于TER、BLEU测评。利用三种降噪方案产生的APE三联体，可以建立一个APE模型有效减少mt数据误差。

但不管APE还是PE，都是为了减少mt数据输出误差，多重性降噪方案的融合在评估中效果明显度不够，结合实际需求还需深度融合与训练。或从基本上提高mt输出引擎本身，也是一种有效降低成本思路。