سپهر رفیعی

امروزه، ارزیابی ترجمه ماشینی بدون داشتن ترجمه مرجع، به عنوان یکی از حوزه های پژوهشی ترجمه ماشینی از اهمیت بالایی برخوردار است. یکی از چالش های موجود در این زمینه، مخصوصاً برای زبان های کم منبع، عدم وجود داده های آموزشی مناسب است. برای این منظور میتوان از روش های مبتنی بر شبکه عصبی که قبلاً روی مدلهای زبانی چند زبانه آموزش دیده شده استفاده کرده و با استفاده از یادگیری انتقالی کیفیت ترجمه برای یک جفت زبان جدید را تخمین زد. در این مقاله کیفیت یک مجموعه تست انگلیسی - فارسی به این صورت تخمین زده شده است. همچنین مجموعه ای از داده ها ی آموزشی برای جفت زبان انگلیسی - فارسی تهیه شده و روی آن پیش پردازش های مناسب انجام گرفته مدل چند زبانه موجود با آن دادگان تنظیم دقیق شده است. استفاده از این داده ها ی آموزشی، همبستگی پیرسون با مجموعه تست را به میزان 29 درصد بهبود داده است.