软件学报

作者：钟文康，葛季栋，陈翔，李传艺，唐泽，骆斌

单位：钟文康，计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21002311,葛季栋，计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21002302,陈翔，南通大学 信息科学技术学院, 江苏 南通 22601903,李传艺，计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21002304,唐泽，计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21002305,骆斌，计算机软件新技术国家重点实验室(南京大学), 江苏 南京 21002306

关键词：神经网络;机器翻译;质量评估;蜕变测试;多粒度

基金：国家自然科学基金（61802167，61972197，61802095）；江苏省自然科学基金（BK20201250）

机器翻译是利用计算机将一种自然语言转换成另一种自然语言的任务，是人工智能领域研究的热点问题之一.近年来，随着深度学习的发展，基于序列到序列结构的神经机器翻译模型在多种语言对的翻译任务上都取得了超过统计机器翻译模型的效果，并被广泛应用于商用翻译系统中.虽然商用翻译系统的实际应用效果直观表明了神经机器翻译模型性能有很大的提升，但如何系统地评估其翻译质量仍是一项具有挑战性的工作.一方面，若基于参考译文评估翻译效果，其高质量参考译文的获取成本非常高；另一方面，与统计机器翻译模型相比，神经机器翻译模型存在更显著的鲁棒性问题，然而还没有探讨神经机器翻译模型鲁棒性的相关研究.面对上述挑战，提出了一种基于蜕变测试的多粒度测试框架，用于在没有参考译文的情况下评估神经机器翻译系统的翻译质量及其翻译鲁棒性.该测试框架首先在句子粒度、短语粒度和单词粒度上分别对源语句进行替换，然后将源语句和替换后语句的翻译结果进行基于编辑距离和成分结构分析树的相似度计算，最后根据相似度判断翻译结果是否满足蜕变关系.分别在教育、微博、新闻、口语和字幕这5个领域的中英文数据集上对6个主流商用神经机器翻译系统使用不同的蜕变测试框架进行了对比实验.实验结果表明，所提方法在与基于参考译文方法的皮尔逊相关系数和斯皮尔曼相关系数上分别比同类型方法高80%和20%，说明提出的无参考译文的测试评估方法与基于参考译文的评估方法的正相关性更高，验证了其在评估准确性上显著优于同类型其他方法.

来源：2021年第4期

《软件学报》期刊编辑部

查看软件学报杂志2021年第4期