提示:文章写完后,目录可以自动生成,如何生成可参考右边的帮助文档
一、赛题要求
基于术语词典干预的机器翻译挑战赛选择以英文为源语言,中文为目标语言的机器翻译。本次大赛除英文到中文的双语数据,还提供英中对照的术语词典。参赛队伍需要基于提供的训练数据样本从多语言机器翻译模型的构建与训练,并基于测试集以及术语词典,提供最终的翻译结果,数据包括:
·训练集:双语数据:中英14万余双语句对
·开发集:英中1000双语句对
·测试集:英中1000双语句对
·术语词典:英中2226条
评估指标
对于参赛队伍提交的测试集翻译结果文件,采用自动评价指标 BLEU-4 进行评价,具体工具使用 sacrebleu开源版本。
什么是 BLEU-4 ?
BLEU
,全称为Bilingual Evaluation Understudy
(双语评估替换),是一种对生成语句
进行评估的指标
。BLEU 评分是由Kishore Papineni等人2002年的论文《BLEU: a Method for Automatic Evaluation of Machine Translation》中提出的。
在机器翻译领域,BLEU(Bilingual Evaluation Understudy)是一种常用的自动评价指标,用于衡量计算机生成的翻译与一组参考译文之间的相似度。这个指标特别关注 n-grams(连续的n个词)的精确匹配,可以被认为是对翻译准确性和流利度的一种统计估计。计算BLEU分数时,首先会统计生成文本中n-grams的频率,然后将这些频率与参考文本中的n-grams进行比较。如果生成的翻译中包含的n-grams与参考译文中出现的相同,则认为是匹配的。最终的BLEU分数是一个介于0到1之间的数值,其中1表示与参考译文完美匹配,而0则表示完全没有匹配。
BLEU-4 特别指的是在计算时考虑四元组(即连续四个词)的匹配情况。
BLEU 评估指标的特点:
-
优点:计算速度快、计算成本低、容易理解、与具体语言无关、和人类给的评估高度相关。
-
缺点:不考虑语言表达(语法)上的准确性;测评精度会受常用词的干扰;短译句的测评精度有时会较高;没有考虑同义词或相似表达的情况,可能会导致合理翻译被否定。
除了翻译之外,BLEU评分结合深度学习方法可应用于其他的语言生成问题,例如:语言生成、图片标题生成、文本摘要、语音识别。
作品提交要求
1、文件格式:txt格式,编码为UTF-8
2、文件大小:无要求
3、提交次数限制:每支队伍每天最多3次
4、文件详细说明:
1) 提交格式见图3样例及example.txt文件
2) 进入决赛的队伍须提交技术说明文档:系统主要技术概述、重要参数说明、外部技术说明(开源代码或软件)
二、机器翻译
机器翻译(Machine Translation,简称MT)是自然语言处理领域的一个重要分支,其目标是将一种语言的文本自动转换为另一种语言的文本。
机器翻译
基于规则的机器翻译(1950s-1980s):使用语法和词典规则来进行翻译,受限于规则的复杂性和语言覆盖度。
基于统计的机器翻译(1990s-2000s):利用大量双语数据和统计模型来推断最可能的翻译,改善了翻译质量但仍有局限性。
基于神经网络机器翻译(2010s-present):通过深度学习神经网络,直接学习从一个语言到另一个语言的映射关系,显著提升了翻译质量和流畅度。
数据划分
在机器学习和深度学习项目中,数据集通常被划分为三个部分:训练集(Training Set)、开发集(Development Set,也常被称为验证集,Validation Set)和测试集(Test Set)。这种划分的主要目的是为了评估模型的性能并防止过拟合,确保模型具有良好的泛化能力。
训练集(training set)用于运行你的学习算法。
开发集(development set)用于调整参数,选择特征,以及对学习算法作出其它决定。有时也称为留出交叉验证集(hold-out cross validation set)。
测试集(test set)用于评估算法的性能,但不会据此改变学习算法或参数。
三、baseline提高
修改前
修改参数N=3000,N_EPOCHS=20后