译文质量估计中的对抗学习方法
作者机构：昆明理工大学云南省人工智能重点实验室 昆明理工大学信息工程与自动化学院
出 版 物：《小型微型计算机系统》 (Journal of Chinese Computer Systems)
年 卷 期：2024年
学科分类：08[工学] 081104[工学-模式识别与智能系统] 081203[工学-计算机应用技术] 0811[工学-控制科学与工程] 0812[工学-计算机科学与技术（可授工学、理学学位）]
基 金：国家自然科学基金地区基金项目(62166022)资助 云南省科技厅面上项目(202101AT070077)资助
摘 要：译文质量估计旨在没有参考译文的情况下预测机器翻译的质量，在机器翻译领域发挥着重要作用。该文提出了一种新的译文质量估计方法，将对抗训练融入其中，以解决译文质量估计任务中两阶段训练目标不一致的问题。该模型主要包括机器翻译的生成器和二分类的判别器。在对抗训练过程中，生成器动态生成数据，经过质量筛选后用于判别器的训练，接着判别器计算奖励并更新生成器。对抗训练后，生成器的翻译性能和判别器的准确率都得到显著提升。此外，该文还针对判别器在译文质量估计任务相关数据上的二分类实验结果进行了深入分析，证明了对抗训练能够有效提升判别器的性能，进而用于更准确的译文质量估计。
同方期刊数据库