机器翻译自动评估的相关问题

[Yesterday17]

如果说是Python的BLEU的话，其实已经有现有的轮子了：
https://www.cnblogs.com/by-dream/p/7679284.html

但BLEU是对机器翻译的评测，其中需要牵扯到的就是标准答案的提供。BLEU通过和标准答案进行比对，并且加以一定的优化，最后得到一个比率，但汉化资源包的仓库中很大部分是人工翻译，然后……emmm

我个人感觉对于汉化质量可以分成以下几步检测：

1. 检查汉化文本是否和某一网站的机翻一致。
2. 如果和机翻一致，则通过LanguageTool进行语法检查。如果语法没有问题则判分。
3. 对于与机翻不一致的，同样进行语法检测，判定语法问题。如果检查没有通过，则给予与上者相比更低的分值。

但这样仍然无法完全评估汉化的质量，emmm，除非有一个标准答案，但这是几乎不可能的。
所以我在这里展开一个话题，希望找到一个可用的算法（逃

[TartaricAcid]

我的想法是把现有翻译拆成词典，然后作为标准答案来对比之后的新翻译

[TartaricAcid]

其实主要目的还是两个：

• 查出现有翻译中明显机翻的句子
• 查出翻译中前后不一致的词语

起初想法很简单，词典库中对应翻译，如果新的翻译没有，就标记为翻译中前后不一致的词语。
找一些常见机翻词语（比如 Chest 翻译为 胸部）组成机翻库，如果新的翻译中有，就标记为机翻语句
最后交由审核人员审核

[Yesterday17]

或者可以反用BLEU，把机翻答案作为标准答案打分，然后分数用1减掉？（

[TartaricAcid]

是个可行的办法，下次有机会试试

[GreyElaina]

哇两个大佬的讨论