QE（Quality Estimation，翻译质量评估）旨在无参考译文的前提下对机器翻译的结果进行自动化评估。QE可以用于在笔译场景下对翻译结果进行初筛，控制后编辑成本，也可以用于对翻译输出进行风险预警和质量控制，在机器翻译的应用场景中具有很重要的价值。
近年来，基于预训练模型的QE成为了主流方法，经过长时间大规模预训练得到的模型，对于数据稀缺的QE任务有很大提升作用。但是，现有的QE框架（比如OpenKiwi 和 Transquest ）等，仅仅集成了mBERT, XLM-R等少数预训练模型，没有充分挖掘预训练模型的潜力。
本仓库致力于集成尽可能多的预训练模型，包括encoder模型（BERT，XLM等）和encoder-decoder模型（BART，MarianMT）等。在离线场景下，使用本系统所提供的多个预训练模型的集成系统，不需要额外的数据增强或者架构工程，就可以达到顶尖的QE精度。
有任何问题欢迎随时提出issue，我会第一时间反馈修正（您也可以添加我的微信huanghui2020708）。
- 词汇级别、句子级别或者二者联合的翻译质量评估（词汇级别支持GAP预测）；
- 支持几乎所有huggingface模型库中的多语言预训练模型，包括encoder架构和encoder-decoder架构；
- mBERT (microsoft/Multilingual-MiniLM-L12-H384 · Hugging Face)
- XLM-R (xlm-roberta-base · Hugging Face)
- DistilBERT (distilbert-base-multilingual-cased · Hugging Face)
- InfoXLM (microsoft/infoxlm-base · Hugging Face)
- mBART50 (facebook/mbart-large-50-many-to-many-mmt · Hugging Face)
- MarianMT (transformers/marian.mdx at main · huggingface/transformers (github.com)
- XLM-MLM (xlm-mlm-100-1280 · Hugging Face)
- XLM-TLM (xlm-mlm-tlm-xnli15-1024 · Hugging Face)
- mMiniLM (https://huggingface.co/nreimers/mMiniLMv2-L6-H384-distilled-from-XLMR-Large)
- 支持仅使用单端（源端或者目标端）进行翻译质量评估，评估源句子的复杂度或者目标句子的流畅度；
- 基于 accelerate 实现了混合精度和分布式训练；
- mlqe-pe TASK1, DA预测
| ende test20 | ende test21 | enzh test20 | enzh test21 | average | |
|---|---|---|---|---|---|
| xlmr-base | 0.4058 | 0.4691 | 0.4134 | 0.4843 | 0.4432 |
| mbert | 0.3847 | 0.4060 | 0.4397 | 0.4923 | 0.4307 |
| distilbert | 0.3626 | 0.4427 | 0.3400 | 0.4074 | 0.3882 |
| mMiniLMv2 | 0.3417 | 0.3410 | 0.3423 | 0.4055 | 0.3576 |
| opus-mt | 0.3454 | 0.3837 | 0.4640 | 0.4315 | 0.4062 |
| bert(mono) | 0.4518 | 0.4063 | 0.4528 | 0.4978 | 0.4522 |
- mlqe-pe TASK2, hter预测
| ende test20 | ende test21 | enzh test20 | enzh test21 | average | |
|---|---|---|---|---|---|
| xlmr-base | 0.4691 | 0.5374 | 0.3228 | 0.2654 | 0.3987 |
| mbert | 0.4853 | 0.5422 | 0.3366 | 0.2683 | 0.4081 |
| distilbert | 0.4318 | 0.4666 | 0.3395 | 0.2574 | 0.3738 |
| mMiniLMv2 | 0.4109 | 0.4229 | 0.3083 | 0.2782 | 0.3551 |
| opus-mt | 0.5180 | 0.6134 | 0.3409 | 0.2826 | 0.4387 |
| bert(mono) | 0.4770 | 0.5438 | 0.3688 | 0.2830 | 0.4182 |
- mlqe-pe TASK2, target tag预测
| ende test20 | ende test21 | enzh test20 | enzh test21 | average | |
|---|---|---|---|---|---|
| xlmr-base | 0.3627 | 0.3286 | 0.3925 | 0.2042 | 0.3220 |
| mbert | 0.3371 | 0.3079 | 0.4118 | 0.2846 | 0.3354 |
| bert(mono) | 0.3473 | 0.3430 | 0.4077 | 0.2568 | 0.3387 |
- 句子级别训练
DATA=TASK2-enzh
accelerate launch --fp16 run_quality_estimation.py \
--do_train \
--data_dir $DATA/original-data \
--model_type xlmr \
--model_path ./xlm-roberta-base \
--output_dir ./QE_outputs/$DATA-sent \
--batch_size 8 \
--learning_rate 1e-5 \
--max_epoch 20 \
--valid_steps 500 \
--train_type sent \
--valid_type sent \
--sentlab_suffix hter \
--best_metric pearson \
--overwrite_output_dir \
--overwrite_cache- 句子级别预测
python run_quality_estimation.py \
--do_infer \
--data_dir $DATA/original-data \
--model_type xlmr \
--model_path ./QE_outputs/$DATA-sent/best_pearson \
--output_dir $DATA/original-data \
--batch_size 16 \
--infer_type sent \- 词汇级别训练
DATA=TASK2-enzh
accelerate launch --fp16 run_quality_estimation.py \
--do_train \
--data_dir $DATA/original-data \
--model_type xlmr \
--model_path ./xlm-roberta-base \
--output_dir ./QE_outputs/$DATA-word \
--batch_size 8 \
--learning_rate 1e-5 \
--max_epoch 20 \
--valid_steps 20 \
--train_type word \
--valid_type word \
--add_gap_to_target_text \
--best_metric mcc \
--overwrite_output_dir \
--overwrite_cache- 词汇级别预测
python run_quality_estimation.py \
--do_infer \
--add_gap_to_text \
--data_dir $DATA/original-data \
--model_type xlmr \
--model_path ./QE_outputs/$DATA-word/best_mcc \
--output_dir $DATA/original-data \
--batch_size 16 \
--infer_type word \
React
Typescript
Django
Laravel
Facebook
Microsoft
Google
Alibaba
D3
Tencent