[论文解读] Comparison of SMT and RBMT; The Requirement of Hybridization for Marathi-Hindi MT

S Sreelekha, Pushpak Bhattacharyya|arXiv (Cornell University)|Mar 10, 2017

Natural Language Processing Techniques参考文献 10被引用 3

一句话总结

本文比較了馬拉地語-印地語翻譯中的統計機器翻譯（SMT）與規則基礎機器翻譯（RBMT），顯示儘管RBMT具有較高的魯棒性，SMT在開發成本較低的情況下仍表現更優異。利用少量訓練語料，SMT系統在品質與效率上均優於RBMT，因此作者主張透過混合化方式結合兩者的優勢，以應對馬拉地語-印地語等低資源、詞形豐富語言對的翻譯需求。

ABSTRACT

We present in this paper our work on comparison between Statistical Machine Translation (SMT) and Rule-based machine translation for translation from Marathi to Hindi. Rule Based systems although robust take lots of time to build. On the other hand statistical machine translation systems are easier to create, maintain and improve upon. We describe the development of a basic Marathi-Hindi SMT system and evaluate its performance. Through a detailed error analysis, we, point out the relative strengths and weaknesses of both systems. Effectively, we shall see that even with a small amount of training corpus a statistical machine translation system has many advantages for high quality domain specific machine translation over that of a rule-based counterpart.

研究动机与目标

• 評估並比較統計機器翻譯（SMT）與規則基礎機器翻譯（RBMT）在馬拉地語到印地語翻譯中的表現。
• 評估在平行語料有限的低資源環境中，SMT的可行性與有效性。
• 透過詳細的錯誤分析，識別SMT與RBMT的優勢與弱點。
• 確定是否需要將SMT與RBMT混合化，以達成高品質、領域特定的馬拉地語-印地語機器翻譯。

提出的方法

• 使用少量馬拉地語-印地語句子對平行語料，開發基線SMT系統。
• 根據馬拉地語與印地語的詞形、句法與語意規則，實現基於規則的翻譯系統。
• 使用標準MT指標（如BLEU）進行性能評估，並進行定性錯誤分析以比較翻譯品質。
• 在相同測試集上系統性比較兩套系統的翻譯輸出，以識別失敗模式與優勢。
• 將錯誤分類為語言與結構問題，以評估各方法的魯棒性與準確性。
• 分析訓練、維護與改進成本，以評估實際可行性。

实验结果

研究问题

• RQ1 在馬拉地語-印地語翻譯中，小規模SMT系統與規則系統的表現如何比較？
• RQ2 SMT與RBMT在處理馬拉地語與印地語的詞形與句法複雜性方面，其主要優勢與弱點為何？
• RQ3 SMT是否能在極少平行訓練數據下，達成與RBMT競爭的翻譯品質？
• RQ4 規則系統的高魯棒性在多大程度上可彌補其高昂的開發與維護成本？
• RQ5 是否需要將SMT與RBMT混合化，以在馬拉地語-印地語等低資源語言對中達成高品質、領域特定的翻譯？

主要发现

• 儘管僅使用少量平行訓練語料，SMT系統的翻譯品質顯著優於RBMT系統。
• SMT在開發、維護與改進方面表現出更高的效率，遠勝於人力密集的RBMT方法。
• 錯誤分析顯示，SMT在處理詞形變化與句法結構方面，優於RBMT。
• RBMT在處理罕見或詞表外詞語方面表現更高魯棒性，但在句法泛化與流暢度方面表現不佳。
• 研究結論指出，SMT更適合用於低資源環境下的高品質、領域特定翻譯。
• 作者建議採用混合化方式，結合SMT的資料驅動流暢性與RBMT的語言精確性，以達成最佳性能。