基于排序?qū)W習(xí)的翻譯自動(dòng)評(píng)價(jià)方法的研究.pdf

1、近年來(lái)，機(jī)器翻譯自動(dòng)評(píng)價(jià)的研究一直是國(guó)內(nèi)外機(jī)器翻譯界的研究熱點(diǎn)。翻譯自動(dòng)評(píng)價(jià)不僅能夠快速的評(píng)價(jià)機(jī)器翻譯的質(zhì)量，研究者們還可以把翻譯評(píng)價(jià)的結(jié)果作為反饋信息來(lái)調(diào)整其機(jī)器翻譯系統(tǒng)的參數(shù)。因此，其研究不僅有一定的直接應(yīng)用價(jià)值，還可以在一定程度上推動(dòng)翻譯理論的研究。
　　本文主要針對(duì)現(xiàn)有機(jī)器翻譯自動(dòng)評(píng)價(jià)方法針對(duì)句子級(jí)評(píng)價(jià)性能不佳的現(xiàn)狀，探索了利用排序?qū)W習(xí)模型實(shí)現(xiàn)高性能的機(jī)器翻譯自動(dòng)評(píng)價(jià)方法。主要研究?jī)?nèi)容包括以下幾個(gè)方面：
　　1.總結(jié)

2、分析現(xiàn)有機(jī)器翻譯自動(dòng)評(píng)價(jià)廣泛采用的幾種基于相似度計(jì)算方法，并在各種數(shù)據(jù)集上對(duì)這些方法的優(yōu)缺點(diǎn)進(jìn)行實(shí)驗(yàn)對(duì)比。實(shí)驗(yàn)結(jié)果表明這些方法在總體上性能有所差異，并且在不同數(shù)據(jù)以及同一數(shù)據(jù)的不同樣本分布上也同樣有所差異。
　　2.探究基于排序?qū)W習(xí)的翻譯自動(dòng)評(píng)價(jià)方法，并采用最大熵和SVM排序?qū)W習(xí)方法融合現(xiàn)有的翻譯自動(dòng)評(píng)價(jià)模型。實(shí)驗(yàn)結(jié)果表明基于SVM排序?qū)W習(xí)模型融合的方法能夠更好地融合現(xiàn)有的翻譯自動(dòng)評(píng)價(jià)模型各自的優(yōu)點(diǎn)，在句子級(jí)的評(píng)價(jià)方面獲得更佳的性

3、能。
　　3.提出多特征基礎(chǔ)上利用排序?qū)W習(xí)模型構(gòu)建翻譯自動(dòng)評(píng)價(jià)方法。其中多特征來(lái)源于兩方面，一方面是來(lái)自于現(xiàn)有基于相似度的翻譯自動(dòng)評(píng)價(jià)模型內(nèi)部的參數(shù)，另一方面是引入詞性這一淺層語(yǔ)言學(xué)特征。實(shí)驗(yàn)結(jié)果表明基于特征融合的翻譯自動(dòng)評(píng)價(jià)方法的性能要優(yōu)于模型融合的方法，詞性特征能夠有效的彌補(bǔ)現(xiàn)有方法的不足，基于SVM排序?qū)W習(xí)模型取得了句子級(jí)翻譯自動(dòng)評(píng)價(jià)的最優(yōu)性能。
　　本文實(shí)驗(yàn)采用目前機(jī)器翻譯自動(dòng)評(píng)價(jià)研究中公開(kāi)的人工評(píng)分標(biāo)準(zhǔn)各異、源語(yǔ)言