阿里巴巴WMT18平行语料过滤 Alibaba Submission to the WMT18 Parallel Corpus Filtering Task

https://zhuanlan.zhihu.com/p/51843485   一、简介 在评估平行语料库的质量时，研究语料库的三个特征，即1）语言/翻译质量，2）单语质量，3）语料库多样性。 基于规则和基于模型的方法都适用于对并行句子对进行评分。 语料库清理任务分为三个部分： 高质量的并行句子对应该具有，其目标句子精确地转换为源句子的特性，反之亦然。通过量化翻译质量（也称为双语分数）和句子对的准

>>阅读原文<<