Evaluation of Machine Translation Based on Semantic Dependencies and Keywords

考虑到大多数现有的机器翻译评估算法只考虑词汇和句法信息，而忽略了句子中包含的深层语义信息，本文提出了一种基于参考翻译、语义依存关系和句子关键词信息的计算方法，用于评估机器翻译的语义正确性。使用哈尔滨工业大学社会计算与信息检索研究中心开发的语言技术平台对句子进行语义依存分析和关键词分析，获得与关键词对应的语义依存图、关键词和权重信息。它包括句子中具有语义依存关系的所有词信息和影响语义信息的关键词信息。构造包括词和依存多特征的语义关联对。通过语义依存提取的语义信息中无法突出句子的关键语义，导致语义分析模糊。因此，句子关键词信息也包括在机器翻译语义评估的范围内。为了实现对句子语义正确性的全面深入评估，实验结果表明，与类似方法相比，评估算法的准确性得到了改善，可以更准确地衡量机器翻译的语义正确性。

本论文旨在解决机器翻译评估算法只考虑词汇和句法信息，而忽略句子中包含的深层语义信息的问题。

论文提出了一种基于参考翻译、语义依存和句子关键词信息的计算机评估机器翻译语义正确性的方法。

论文使用哈尔滨工业大学社会计算与信息检索研究中心开发的语言技术平台，对句子进行语义依存和关键词分析，构建包含多特征的语义关联对，实现对机器翻译语义正确性的全面评估。实验结果表明，该算法的准确性比类似方法有所提高。

近期相关研究包括“基于深度学习的机器翻译评估方法”和“机器翻译的语义评估方法综述”等。